Modul 1
Perpetaan, Penginderaan Jauh,
dan Sistem Informasi Geografis
Modul ini berisi pendalaman materi Geografi, yang terdiri atas empat
kegiatan belajar. Modul ini memuat tentang pemetaan sebagai keterampilan
geografis dalam era industri 4.0, PJ dan SIG untuk pengolahan data geografis,
pemanfaatan PJ dan SIG untuk pengelolaan sumberdaya, mitigasi, dan
pembangunan wilayah, dan pemanfaatan PJ dan SIG untuk tataguna lahan dan
perkotaan. Modul dilengkapi dengan soal tes formatif dan sumatif sebagai bahan
evaluasi. Sebagai pendamping dari modul ini, tersedia beberapa media
pembelajaran berupa media video model pembelajaran, video tutorial, video grafis,
dan media presentasi yang dapat digunakan untuk belajar secara mandiri.
HALAMAN JUDUL
KATA PENGANTAR
DAFTAR ISI
DAFTAR TABEL
DAFTAR GAMBAR
KEGIATAN BELAJAR 1 ............................................................................ 1
A. PENDAHULUAN ................................................................................. 2
B. CAPAIAN PEMBELAJARAN ............................................................. 2
C. SUB CAPAIAN PEMBELAJARAN .................................................... 2
D. URAIAN MATERI ................................................................................ 3
1. Peran Peta pada Era Industri 4.0 ............................................................ 3
2. Pengertian Peta ....................................................................................... 8
3. Fungsi Peta ............................................................................................. 11
4. Jenis Peta ................................................................................................ 12
5. Komponen Peta ...................................................................................... 13
a. Judul .................................................................................................. 14
b. Skala .................................................................................................. 14
c. Simbol ............................................................................................... 16
d. Legenda ............................................................................................. 20
e. Orientasi Arah ................................................................................... 21
f. Grid Koordinat .................................................................................. 22
g. Pembuat Dan Tahun Pembuatan ....................................................... 23
h. Inset ................................................................................................... 24
i. Referensi ........................................................................................... 24
6. Proyeksi Peta .......................................................................................... 25
a. Istilah-Istilah Dalam Proyeksi Peta ................................................... 25
b. Klasifikasi Proyeksi Peta ................................................................... 26
c. Proyeksi Universal Transverse Mercator (UTM) ............................. 31
7. Contoh Pemanfaatan Peta ...................................................................... 32
E. RANGKUMAN ..................................................................................... 34
F. TES FORMATIF ................................................................................... 35
KEGIATAN BELAJAR 1
Gambar 1. Karakteristik masing-masing tahapan era industri ...................... 4
Gambar 2. Contoh peta untuk penunjang sebuah penelitian .......................... 10
Gambar 3. Contoh judul peta ........................................................................ 14
Gambar 4. Skala grafis ................................................................................... 15
Gambar 5. Simbol peta .................................................................................. 17
Gambar 6. Variabel visual simbol ................................................................. 18
Gambar 7. Ukuran simbol untuk menampilkan informasi jumlah penduduk 19
Gambar 8. Legenda ....................................................................................... 20
Gambar 9. Bentuk orientasi arah peta ........................................................... 21
Gambar 10. Grid peta menggunakan sistem koordinat UTM ....................... 23
Gambar 11. Inset peta sebagai referensi posisi geografis ............................. 24
Gambar 12. Meridian dan Paralel ................................................................. 25
Gambar 13. Proyeksi berdasar bidang proyeksinya ...................................... 27
Gambar 14. Proyeksi berdasar titik singgungnya .......................................... 28
Gambar 15. Proyeksi berdasar posisinya ...................................................... 29
Gambar 16. Keterkaitan parameter dalam pemetaan kerentanan banjir
perkotaan ........................................................................................................ 32
KEGIATAN BELAJAR 2
Gambar 1. Model gelombang elektromagnetik .............................................. 42
Gambar 2. Keterkaitan frekuensi dengan panjang gelombang ...................... 43
Gambar 3. Rentang spektrum elektromagnetik .............................................. 46
Gambar 4. Rentang spektrum satelit Landsat 7 ETM+ dan Landsat 8 OLI... 47
Gambar 5. Interaksi gelombang elektromagnetik dengan obyek ................... 50
Gambar 6. Pola spektral vegetasi ................................................................... 51
Gambar 7. Penginderaan jauh sistem pasif .................................................... 54
Gambar 8. Penginderaan jauh sistem aktif .................................................... 56
Gambar 9. Orbit geostationary ...................................................................... 58
Gambar 10. Orbit near polar ......................................................................... 59
Gambar 11. Resolusi spasial citra .................................................................. 60
Gambar 12. Resolusi spektral citra ................................................................ 62
Gambar 13. Citra satelit sebagai data spasial dalam SIG............................... 69
Gambar 14. Start node, vertex, dan end node sebagai penyusun obyek garis 70
Gambar 15. Operasi penggabungan fitur ....................................................... 75
Gambar 16. Buffer fitur garis dari peta jalan ................................................. 75
Gambar 17. Operasi pemilihan fitur .............................................................. 77
Gambar 18. Diagram proses operasi tumpang susun .................................... 78
Gambar 19. Proses operasi matematis pada data raster ................................ 79
Gambar 20. Operasi pemilihan berbasis layer .............................................. 80
Gambar 21. Operasi korelasi spasial menggunakan scatterplot .................... 81
KEGIATAN BELAJAR 3
Gambar 1. Alur pengolahan data PJ untuk analisis lahan .............................. 91
Gambar 2. Pola perubahan penutup lahan hasil pengolahan data citra
penginderaan jauh .......................................................................................... 92
Gambar 3. Rona gelap ditunjukkan area tubuh air dan area perairan
bervegetasi pada saluran thermal citra AVHRR/LAC dan Meteosat ............ 93
Gambar 4. Hasil interpretasi batuan berdasar data citra Landsat TM ........... 95
Gambar 5. Peta kelurusan berdasar citra ....................................................... 96
Gambar 6. Diagram alir identifikasi mineral tembaga ................................... 98
Gambar 7. Hasil identifikasi lokasi keberadaan mineral tembaga di NTB .... 98
Gambar 8. keterkaitan parameter dalam pemetaan kerentanan banjir
perkotaan ........................................................................................................ 100
Gambar 9. Peta kerentanan banjir hasil analisis ............................................ 102
Gambar 10. Indeks kekeringan pertanian berdasar anomali indeks vegetasi. 104
Gambar 11. Indeks kekeringan meteorologis berdasar indeks SPI ............... 104
Gambar 12. Diagram alur penilaian risiko erosi ............................................ 106
Gambar 13. Peta kehilangan tanah menggunakan metode RUSLE
berdasar data citra penginderaan jauh dan SIG .............................................. 107
Gambar 14. Karakteristik kepadatan permukiman berdasar citra QuickBird 110
Gambar 15. Klasifikasi citra SPOT 4 Xi........................................................ 115
KEGIATAN BELAJAR 4
Gambar 1. Garis Isoline NDVI ...................................................................... 124
Gambar 2. Fraksional tutupan lahan pada ruang spektral saluran merah
dan inframerah dekat ...................................................................................... 127
Gambar 3. Template grid 3 x 3 untuk perhitungan nilai kemiringan ............. 133
Gambar 4. Grafik visual contoh penilaian kekasaran permukaan karst ......... 135
Gambar 5. Template 3 x 3 untuk perhitungan indeks kekasaran permukaan
Riley dkk (1999) dan Wilson (2007). ............................................................ 136
Gambar 6. Prediksi perkembangan lahan terbangun kota Yogyakarta
tahun 2023. ..................................................................................................... 140
Gambar 7. Proses aplikasi sistem manajemen aset transportasi .................... 145
Gambar 8. Proses analisis pembuatan peta risiko lalu lintas ........................ 146
DAFTAR TABEL
KEGIATAN BELAJAR 1
Tabel 1. Karakteristik variabel visual simbol ..................................................... 18
KEGIATAN BELAJAR 2
Tabel 1. Saluran-saluran dari satelit Landsat 7 ETM+ ................................. 48
Tabel 2. Saluran-saluran dari satelit Landsat 8 OLI ..................................... 48
Tabel 3. Saluran-saluran dari spektrum gelombang mikro ........................... 49
Tabel 4. Karakteristik data spasial ................................................................ 68
KEGIATAN BELAJAR 3
Tabel 1. Atribut permukiman yang diamati melalui data citra QuickBird .... 109
Tabel 2. Tipologi permukiman secara umum ................................................ 111
Tabel 3. Bobot variabel .................................................................................. 113
KEGIATAN BELAJAR 4
Tabel 1. Kriteria penyingkapan batuan .......................................................... 130
Tabel 2. Klasifikasi kualitas permukiman ...................................................... 142
HALAMAN INI SENGAJA DIKOSONGKAN
Pendalaman Materi : Geografi
No Kode : DAR2/Profesional/207/1/2019
Modul 1 :
PERPETAAN, PENGINDERAAN JAUH,
DAN SISTEM INFORMASI GEOGRAFIS
Kegiatan Belajar 1 :
Pemetaan Sebagai Keterampilan Geografis Pada Era Industri 4.0
1
Modul 1:
Perpetaan, Penginderaan Jauh, dan Sistem Informasi Geografis
Kegiatan Belajar 1:
Pemetaan sebagai keterampilan geografis pada era industri 4.0
A. PENDAHULUAN
Bapak-Ibu yang terhormat, peserta PPG sekalian. Selamat bergabung dalam
pembelajaran kita dengan tema umum Perpetaan, Penginderaan Jauh, dan Sistem
Informasi Geografis. Bagian ini merupakan kegiatan belajar pertama dengan tema
Pemetaan sebagai keterampilan geografis pada era industri 4.0.
Pemahaman yang mendalam tentang peta dan perpetaan sangat diperlukan
dalam pemanfaatan dan penerapan peta ini, terutama bagi guru-guru geografi.
Modul ini terdiri dari sub bahasan peta digital pada era industri 4.0, pengertian peta,
fungsi peta, jenis peta, unsur peta, dan sistem proyeksi, serta satu contoh aplikasi
pemanfaatan peta. Bagian akhir terdapat tes formatif yang harus dikerjakan. Skor
yang diperoleh dalam mengerjakan soal formatif menggambarkan penguasaan
materi pada kegiatan belajar ini.
Petunjuk belajar :
1. Bacalah materi dalam kegiatan belajar (KB-2) ini sebaik-baiknya.
2. Jika diperlukan Bapak-Ibu boleh mencari informasi tambahan sesuai dengan
materi dalam KB-2
3. Setelah membaca kerjakan latihan soal pada bagian akhir KB-2 ini. Skor
minimal yang harus diperoleh adalah 70.
4. Jika Bapak-Ibu mendapatkan skor kurang dari 70 maka dinyatakan belum
tuntas, maka jangan beralih ke KB berikutnya.
B. CAPAIAN PEMBELAJARAN
Dalam substansi keilmuan, setiap guru geografi mampu menganalisis hakekat
dan literasi informasi geografi.
2
D. URAIAN MATERI : Pemetaan sebagai keterampilan geografis pada era
industri 4.0
Era industri kedua didorong oleh ditemukannya listrik sebagai sumber energi
baru. Era ini terjadi pada awal abad 20. Elektrisasi terjadi pada berbagai sektor dan
industri. Mesin produksi mekanis diubah dengan mesin-mesin bertenaga listrik.
Perangkat distribusi dan komunikasi berkembang pesat dengan sistem yang lebih
sempurna.
Era industri ketiga tidak ditandai oleh perubahan sumber energi, melainkan
munculnya teknologi baru. Pada era industri ketiga berkembang sistem
komputerisasi dan teknologi informasi. Komputerisasi digital merambah berbagai
sektor seperti pendidikan, kesehatan, industri dan lain-lain. Pemanfaatan sistem ini
memungkinkan pembuatan sistem produksi dan komunikasi yang terotomasi.
4
Era industri keempat yang pada saat ini dikenal dengan industri 4.0 adalah
menumpukan pada interaksi sistem siber-fisik (cyber-physical systems). Sistem ini
berbasis pada teknologi komputasi dan informasi yang berkembang pada era
industri ketiga, dengan ditambah dengan media komunikasi jarak-jauh dan internet.
Otomasi dilakukan pada berbagai unit dengan sistem pengontrolan jarak-jauh yang
saling terintegrasi. Penggunaan perangkat sistem pakar pada setiap unit akan
meningkat yang diikuti dengan semakin menurunnya peran kontrol dari manusia.
Pelayanan terhadap konsumen menjadi semakin personal dan spesifik dan dapat
dilakukan oleh unit-unit sistem pada era ini.
Bapak-Ibu sekalian dapat membaca uraian dari Vuksanovic dkk (2016)
terkait tujuan dari konsep industri 4.0 ini. Menurutnya, konsep ini adalah ditujukan
untuk peningkatan produktivitas, peningkatan efisiensi, dan penghematan energi.
Sekilas dapat kita perhatikan pada beberapa aktifitas yang mulai berkembang saat
ini.
Produktivitas meningkat karena adanya pengurangan waktu produksi dan
distribusinya kepada para konsumen. Bapak-Ibu pernah memesan makanan melalui
jasa online ? Sistem transaksi ini sudah tidak lagi terhalang oleh jarak antara
produsen dan konsumen. Bagi produsen tentu hal ini sangat mendongkrak
produktivitas, karena tidak harus berada pada lokasi yang amat strategis untuk
mendapatkan konsumen. Dalam hal ini sistem geolokasi menjadi salah satu kunci
yang sangat penting peranannya.
Peningkatan efisiensi disebabkan oleh sistem otomasi pada semua lini,
peningkatan kualitas barang dan jasa yang dihasilkan, fleksibilitas unit-unit yang
ada sehingga dengan menggunakan satu media dapat digunakan pada berbagai
sistem yang berbeda. Sebagai contoh saat ini, Bapak-Ibu dapat menggunakan satu
buah ATM dari satu bank untuk berbagai transaksi barang ataupun transaksi
keuangan.
Penghematan energi dihasilkan dari penghematan waktu yang digunakan oleh
sistem produksi untuk menghasilkan barang dan jasa. Sistem secara terotomasi
dapat mengatur waktu dan jumlah sumberdaya yang digunakan. Pencarian lokasi
yang Bapak-Ibu lakukan dengan menggunakan aplikasi seperti googlemap dan lain-
5
lain akan mempermudah dan mempercepat proses menuju lokasi tersebut.
Percepatan ini tentu menghasilkan efisiensi energi yang digunakannya.
Selanjutnya mari kita perhatikan beberapa elemen yang diperlukan dalam
penerapan konsep industri 4.0 ini. Lebih jelas dapat Bapak-Ibu baca pada artikel
Crnjac dkk (2017). Beberapa elemen kunci yang diperlukan tersebut adalah :
- Standarisasi
- Manajemen dari sistem yang kompleks
- Infrastruktur yang komprehansif
- Disain dan organisasi pekerjaan
- Kerangka hukum
- Sumberdaya yang efektif
Elemen kunci terakhir mengarah pada pemanfaatan sumberdaya secara lebih
efektif. Elemen ini secara jelas menuntut pengetahuan tentang apa dan dimana
sumberdaya tersebut dapat diberdayakan dan didistribusikan. Pemahaman tentang
sebaran sumberdaya ini adalah satu hasil dari analisis atas informasi-informasi
spasial yang berkaitan dengan sumberdaya tersebut. Sumber informasi spasial ini,
dalam aplikasinya terwujud dalam bentuk peta-peta digital. Peta-peta digital ini
digunakan sebagai acuan oleh sistem terotomasi untuk memperoleh dan
mendistribusikan sumberdaya tersebut.
Penekanan peran pentingnya peta digital dalam penerapan konsep industri 4.0
ini juga dapat Bapak-Ibu temukan pada artikel Rojko (2017). Teknologi pemetaan
digital dan virtualisasi dunia nyata menjadi topik dasar yang melandasi
pengembangan konsep industri 4.0 di Jerman. Hal ini tentu sangat beralasan karena
teknologi ini sangat membantu dalam memahami wilayah serta dasar perhitungan
biaya lainnya. Hal yang serupa juga diungkapkan oleh Schabus dan Scholz (2015)
bahwa visualisasi dan analisis transportasi merupakan satu pendekatan baru yang
dapat diaplikasikan pada era industri 4.0 ini. Visualisasi dari pergerakan setiap
moda transportasi merupakan informasi yang sangat berharga dalam meningkatkan
efisiensi dan efektifitas produksi. Metode visualisasi dan analisis spasial ini adalah
satu keunggulan yang dimiliki dalam sistem informasi geografis.
6
Analisis jaringan berbantuan sistem informasi geografis akan mampu
memberikan informasi jarak terdekat atau tercepat untuk ditempuh dalam suatu
perjalanan. Kecepatan memperoleh informasi jarak terdekat atau jarak tercepat
sangat diperlukan untuk peningkatan produktifitas. Akurasi dan kecepatan dalam
menentukan lokasi obyek adalah sesuatu yang sangat penting dalam distribusi
barang dan jasa saat ini.
Kemampuan otomasi dalam mengolah data spasial digital adalah potensi lain
dari sistem informasi geografis yang akan banyak dimanfaatkan pada era industri
4.0. Pemahaman tentang lokasi memerlukan banyak data dalam bentuk peta digital
tematik yang nantinya menjadi dasar pengambilan keputusan dalam distribusi
barang dan jasa. Efisiensi akan diperoleh dengan semakin cepat dan akuratnya
informasi lokasi tentang asal dan tujuan pendistribusian barang dan jasa tersebut.
Ketersediaan data spasial dalam bentuk peta ataupun citra cukup melimpah
di dunia maya berbasis internet. Data-data ini tergabung dalam suatu jaringan data
spasial yang dapat saling melengkapi satu sama lain. Tentu Bapak-Ibu sekalian
sering mendengar istilah Big Data bukan ? Nah, disitulah data-data tersebut tersedia
dan dapat saling dimanfaatkan oleh berbagai pihak, termasuk kita. Hingga saat ini,
banyak aplikasi diseluruh dunia yang memanfaatkan peta digital ini. Bahkan
mungkin Bapak-Ibu sekalian juga sering melihat game yang dimainkan oleh anak-
anak kita benar-benar menggunakan lokasi sekitar kita secara virtual. Fenomena
bisnis transportasi online sudah sangat dikenal oleh masyarakat kita dikota bahkan
sampai pedesaan. Pertemuan antara driver dan konsumen dapat segera terjadi
karena bantuan perangkat digital yang dilengkapi sarana geolokasi yang akurat.
Melihat uraian tersebut, kita dapat mengetahui pentingnya pengetahuan dan
keterampilan pemetaan terutama adalah pemetaan digital dalam era industri 4.0.
Terlebih lagi hal ini adalah keilmuan yang diemban oleh Bapak-Ibu sekalian, ilmu
geografi. Peta adalah wajah geografi sekaligus media cara berpikir orang geografi.
Tantangan yang Bapak-Ibu hadapi akan semakin besar, ketika tuntutan era industri
4.0 ini sudah dihadapan kita. Bagaimana menjadikan pengetahuan pemetaan digital
sebagai keterampilan geografis dalam era industri 4.0 ini. Sejalan dengan hal
tersebut, mari lebih lanjut kita pahami berbagai hal tentang peta tersebut.
7
2. Pengertian Peta
Bapak-Ibu yang terhormat, pada bagian ini akan dijelaskan tentang beberapa
pengertian tentang peta. Pengetahuan ini sangat penting bagi mahasiswa Geografi,
mengingat bidang ilmu ini sangat erat dengan masalah peta dan perpetaan.
Penjelasan satu fenomena spasial sangat memerlukan bantuan dari satu atau
beberapa peta. Pemecahan masalah spasial akan menjadi jelas dengan
menunjukkannya pada sebuah peta. Pemanfaatan peta juga telah lama dimanfaatkan
oleh peradaban manusia dalam konteks yang lebih luas.
Peta adalah penyederhanaan dari kenyataan yang ada dilapangan (real world).
Sebagai contoh, jalan yang ada di lapangan memiliki dimensi luas tertentu.
Penggambaran luas jalan dengan tepat pada skala peta tersebut tentu sulit
dilakukan. Namun demikian, informasi keberadaan jalur jalan tersebut harus
digambarkan mengingat pentingnya informasi keberadaan jalan tersebut. Jalan pada
peta tersebut disimbolkan dengan garis berwarna merah. Garis tersebut digunakan
untuk mewakili obyek jalan yang sebenarnya memiliki informasi luas. Apabila
dihitung secara eksak, luas garis tersebut dikalikan dengan skala tentu tidak akan
sesuai.
9
Berikut adalah contoh dari satu peta yang memuat satu tema informasi
administrasi.
Banyak hal-hal lain yang tentu tidak dapat seluruhnya dituangkan pada peta.
Fenomena lapangan tentu sangat bervariasi baik jumlah maupun macamnya.
Sebuah peta sebaiknya hanya memuat hal-hal yang menunjang informasi pokok dan
sesuai dengan tema peta tersebut. Pemilihan informasi tertentu harus dilakukan agar
peta menjadi lebih informatif. Pemuatan banyak informasi yang tidak perlu atau
tidak sesuai dengan tema akan membuat peta menjadi kurang bermanfaat.
10
Peta pada dasarnya juga sebuah karya seni untuk menyampaikan informasi
spasial dengan berdasar pada aturan-aturan kartografis. Peran estetika pada peta
adalah satu hal sangat perlu diperhatikan dalam proses pembuatannya.
Ketidaktepatan tata letak suatu unsur peta dapat mengurangi faktor keindahan dan
kerapian peta. Keindahan dan kerapian peta akan sangat berpengaruh terhadap
keberhasilan penyampaian informasi yang dikandung pada peta. Pengabaian kedua
hal tersebut juga memungkinkan munculnya kesalahan interpretasi dan analisis
yang mendasarkan pada peta.
3. Fungsi Peta
Peta adalah sumber informasi spasial yang saat ini telah banyak dimanfaatkan
berbagai kepentingan. Peta bukan lagi sesuatu yang asing dalam kehidupan
masyarakat modern. Pemanfaatan peta tidak lagi terbatas pada masalah akademis,
namun telah termanfaatkan dalam keseharian bagi banyak orang. Meluasnya fungsi
dan peran peta dalam kehidupan sangat terpicu oleh perkembangan teknologi
digital dan internet yang semakin mudah diakses oleh setiap orang (Kraak, 2004).
Fungsi awal sebuah peta lebih pada fungsi penampil data dan penyimpan data.
Fungsi penampil data ditunjukkan seperti pada peta referensi. Peta difungsikan
untuk menampilkan informasi secara spasial. Penggunaan peta-peta ini lebih pada
11
proses pencarian informasi lokasi atau informasi tematik tertentu. Fungsi
penyimpanan data ditujukan untuk mendukung indeks data dan analisis spasial.
Fungsi selanjutnya adalah peta digunakan sebagai sarana navigasi dari sarana
transportasi baik di darat, laut ataupun udara. Hal ini banyak dicontohkan pada
berbagai aplikasi transportasi online ataupun sistem autopiloting pada pesawat
terbang. Kekinian informasi yang terkandung pada peta untuk fungsi-fungsi ini
menjadi satu hal yang sangat penting.
4. Jenis Peta
Jenis peta terkait dengan informasi pokok yang dimuat pada peta tersebut.
Berdasar pada jenisnya peta dapat dibagi menjadi peta umum dan peta tematik.
Peta umum sering disebut sebagai peta dasar dan memuat informasi umum. Contoh
peta jenis ini adalah peta Rupa Bumi Indonesia (RBI) dan atlas. Peta rupa bumi
pada beberapa bidang juga disebut sebagai peta topografi. Selain merepresentasikan
obyek pada muka bumi, peta ini juga muat informasi bentuk dari muka bumi (NRC,
2014). Bentuk muka bumi diwujudkan sebagai garis-garis kontur dan titik tinggi
pada peta topografi ini. Garis kontur adalah garis imajiner yang menghubungkan
tempat-tempat yang memiliki ketinggian yang sama. Beda tinggi yang digambarkan
oleh dua garis kontur disebut sebagai interval kontur (countour interval / CI). Garis
kontur ini memungkinkan pengguna peta untuk melakukan pengukuran ketinggian
suatu tempat, kemiringan lereng, dan volume dari sebuah cembungan atau
cekungan. Kemiringan lereng dapat ditentukan dengan menghitung kerapatan garis
12
konturnya. Bidang miring yang terjal direpresentasikan dengan garis kontur yang
rapat, sebaliknya garis kontur yang jarang merepresentasikan lereng yang landai.
Peta topografi juga memuat informasi lain seperti pada peta referensi seperti obyek
jalan, sungai, nama tempat dan beberapa obyek budaya seperti jembatan, menara,
atau gedung. Obyek tersebut bermanfaat sebagai acuan geografis dalam
pemanfaatan peta tersebut. Keberadaan obyek-obyek tersebut membantu dalam
memahami lokasi suatu tempat pada peta.
Jenis kedua adalah peta tematik. Peta ini memuat informasi khusus yang
mencakup tema-tema tertentu (Gulij, 2010). Satu peta tematik menyajikan satu
tema tertentu. Tema tersebut dituangkan menjadi simbol piktorial grafik ataupun
gradasi warna. Contoh dari peta tematik ini adalah peta kepadatan penduduk, peta
jenis tanah, peta iklim, peta bahasa, dan lain-lain. Informasi tematik dijelaskan pada
legenda peta yang memuat informasi kuantitatif ataupun kualitatif dari simbol
piktorial yang digunakan pada peta tematik tersebut.
Disamping dua jenis peta yang telah disebutkan di muka, ada satu jenis peta
yang bersifat abstrak yaitu peta mental (mental map). Peta ini tidak nyata karena
hanya ada pada ingatan masing-masing individu. Namun demikian peta ini sangat
penting peranannya bagi individu tersebut. Kelengkapan dan akurasi peta sangat
tergantung pada pengalaman tiap orang tentang lokasi tersebut. Peta ini tidak
menjadi pembahasan dalam kaidah kartografis.
5. Komponen Peta
13
a. Judul
Judul peta berfungsi sebagai pemberi identitas dari sebuah peta. Judul peta
merupakan unsur yang penting dan tidak boleh ditinggalkan. Isi informasi pokok
yang dimuat pada peta dapat segera diduga oleh pengguna dengan melihat judul
peta tersebut. Judul harus menggambarkan isi informasi dari peta.
b. Skala
- Skala Angka
Skala angka memiliki kelebihan yaitu lebih mudah dalam penulisannya,
terutama dalam penyebutannya dalam sebuah narasi atau deskribsi. Namun
14
demikian jenis skala ini menjadi tidak berguna ketika peta yang telah dicetak
(hardcopy) tersebut diperbesar atau diperkecil, misal melalui proses penyiaman
atau fotokopi. Mengapa demikian ? Tentu hal ini dikarenakan oleh berubahnya
ukuran-ukuran pada peta yang diperbesar atau diperkecil tersebut, sementara angka
skalanya tetap. Bagi pengguna yang belum terlatih dalam memanfaatkan peta, jenis
skala ini juga sulit diterjemahkan. Sementara itu bagi yang telah terlatih tentu
bukanlah satu masalah yang berarti. Contoh bentuk skala angka adalah 1 : 1000, 1
: 25.000, 1 : 50.000, dan seterusnya. Jika pada peta tertulis skala 1 : 1000, hal ini
berarti bahwa ukuran obyek di lapangan adalah 1000 unit dari satuan yang
digunakan pada peta tersebut. Jika satuan yang digunakan adalah sentimeter, berarti
obyek tersebut di lapangan memiliki panjang sebesar 1000 sentimeter.
- Skala Grafis
Skala grafis yang diwujudkan sebagai bentuk batang berbuku. Skala grafis
ini relatif lebih sulit dibuat pada proses pembuatan manual dibandingkan dengan
menuliskan sebuah skala angka. Namun demikian, apabila proses pembuatan peta
dilakukan dengan menggunakan perangkat lunak, maka hal ini bukan sebuah
permasalahan yang besar. Bentuk skala grafis ini sangat bervariasi jika
pembuatannya dilakukan dengan menggunakan perangkat lunak GIS. Prinsip dasar
pada skala grafis ini adalah sama dengan skala angka. Gambar 3. merupakan contoh
dari skala grafis yang dapat digunakan untuk merepresentasikan sebuah peta
dengan ukuran yang sama.
Kedua skala grafis pada Gambar 4. tersebut memiliki nilai perbandingan yang
sama walaupun panjang total atau jumlah bar dari grafis berbeda. Skala grafis
tersebut dapat dibaca satu satuan bar mewakili panjang 2,5 km. Panjang jarak antar
15
titik pada peta dapat diperbandingkan secara langsung dengan skala tersebut untuk
mengetahui jarak sebenarnya di lapangan. Informasi jarak relatif lebih mudah untuk
diketahui secara visual dibandingkan skala angka ataupun skala verbal. Skala grafis
memiliki keuntungan yaitu akan tetap bermanfaat jika pada peta tercetak dilakukan
perbesaran atau perkecilan secara optis seperti pada kasus di muka. Perbesaran atau
perkecilan akan juga mengubah ukuran skala grafis tersebut selaras dengan
perbesaran atau perkecilan pada petanya. Dengan demikian skala grafis ini akan
tetap memberikan nilai yang benar untuk perhitungan ukuran obyek pada peta
tersebut. Kemudahan lain dari jenis skala grafis ini adalah kemudahan dalam
interpretasi skala tersebut. Panjang suatu titik ke titik yang lain pada peta dapat
perkirakan dengan membandingkan secara visual pada skala grafis peta. Skala
grafis ini selanjutnya juga dapat diaplikasikan untuk menghitung total panjang dari
obyek peta yang berliku. Cara yang mudah adalah dengan menempelkan sebuah
benang pada obyek peta yang berliku tersebut kemudian membandingkannya
dengan skala grafis.
- Skala Verbal
Jenis skala yang lain adalah skala verbal. Perbandingan nilai skala pada jenis
ini dituliskan dalam bentuk kalimat. Jika sebuah peta memiliki nilai perbandingan
1 : 1000, maka skala verbal pada peta tersebut akan dituliskan : satu sentimeter
banding seribu sentimeter. Skala verbal ini sering tidak mudah dipahami dalam
pemanfaatannya. Jenis skala ini jarang ditemui dalam peta-peta kita.
Sebuah peta sering menggunakan lebih dari satu jenis skala secara bersama-
sama, seperti skala angka bersama dengan skala grafis. Hal ini ditujukan untuk
memudahkan pemakaian skala tersebut pada peta. Kelebihan dari masing-masing
jenis skala tersebut akan saling menutupi kekurangan jenis skala yang lain.
c. Simbol
Simbol adalah representasi dari obyek nyata yang digambar pada peta.
Simbol pokok pada peta adalah simbol titik, garis, dan poligon atau area. Simbol
peta dapat menggunakan bentuk piktorial yang sesuai dengan bentuk atau sifat
16
obyek. Pada beberapa peta digunakan simbol abstak yang pada umumnya
dituangkan dalam satu bentuk gradasi warna poligon. Simbol digunakan untuk
merepresentasikan tingkat konsentrasi tertentu yang tersebar pada suatu lokasi.
Contoh dari fenomena ini adalah simbol dari kepadatan penduduk, tingkat
kerentanan, dan lain-lain.
(garis)
(Point)
(poligon)
Penggunaan simbol pada peta harus memperhatikan beberapa hal yaitu skala
peta, sifat alamiah dari obyek yang akan digambarkan, bentuk akhir peta, dan data
yang tersedia. Peran skala dan sifat alamiah obyek dalam pemilihan simbol
dicontohkan sebagai berikut. Sebuah kota kota memiliki dimensi luas yang berarti
seharusnya disimbolkan dengan menggunakan simbol poligon pada skala
menengah hingga besar, namun dalam skala kecil dapat disimbolkan dengan bentuk
titik. Bentuk akhir peta menjadi pertimbangan pemilihan simbol. Simbol pada peta
cetak memberikan fungsi informasi visual, sementara pada peta interaktif simbol
dapat digunakan sebagai tautan atau link.
ESRI (1996) menambahkan uraian yang lebih detil dalam pemilihan simbol
ini. Pemilihan simbol didasarkan pada karakteristik simbol yang selanjutnya
disebut sebagai variabel visual. Beberapa variabel visual ini adalah bentuk, ukuran,
orientasi, pola, warna (hue), dan kecerahan (value). Dua variabel terakhir
merupakan properti dari simbol warna. Secara grafis variabel visual tersebut
digambarkan sebagai berikut.
17
Gambar 6. Variabel visual simbol. (Sumber : ESRI, 1996)
Beberapa variabel tidak dapat digunakan pada kedua jenis data. Bentuk dan
pola dapat digunakan untuk merepresentasikan data-data yang bersifat kualitatif
namun tidak dapat digunakan pada data yang bersifat kuantitatif. Ukuran dan
18
kecerahan dapat digunaka pada data kuantitatif, tetapi tidak dapat digunakan pada
data kualitatif. Gambar 7. merupakan contoh pemakaian simbol dengan
mengaplikasikan variabel visual ukuran simbol.
19
d. Legenda
Legenda terdiri dari judul legenda, sub judul legenda, simbol legenda, dan
keterangan legenda. Judul legenda biasanya ditulis dengan kata LEGENDA atau
KETERANGAN dengan penempatan pada posisi paling atas. Judul legenda juga
dapat ditulis dengan kata lain yang memiliki kesamaan arti dengan kedua kata
tersebut. Legenda dibagi menjadi sub-sub legenda yang diawali dengan judul sub
judul legenda. Satu sub judul legenda berisi satu tema informasi. Contoh dari sub
judul legenda adalah : Jalan, Drainase, Jumlah Penduduk, Kepadatan Penduduk,
Tingkat Risiko, dan lain-lain. Gambar 8. merupakan contoh dari sebuah legenda
peta.
Gambar 8. Legenda
20
Simbol legenda adalah simbol piktorial, grafis, ataupun gradasi warna sesuai
yang digunakan dalam peta tersebut. Simbol legenda dapat berupa gambar, titik,
garis, kotak atau bentuk poligon lain. Legenda simbol piktorial dan grafis harus
memiliki bentuk dan ukuran yang sama dengan yang ada pada peta. Pada simbol
warna, gradasi warna legenda harus sama dengan tingkat gradasi yang digunakan
pada peta. Kesalahan penggunaan simbol pada legenda akan menimbulkan
kesalahan pembacaan peta.
e. Orientasi Arah
Orientasi arah peta adalah simbol piktorial yang digunakan sebagai acuan
arah pada peta. Orientasi arah peta pada umumnya menggunakan posisi atas sebagai
arah utara. Namun demikian dalam kasus tertentu, arah utara dapat memiliki
kemiringan tertentu (oblique). Unsur ini adalah unsur yang penting dan harus ada
pada peta apapun. Pada peta-peta referensi ketepatan orientasi arah sangat
diperlukan, terutama ketika peta tersebut digunakan sebagai pemandu pencarian
lokasi pada medan berat. Kegiatan survey di tengah hutan, penentuan jalur kapal,
atau penentuan arah tembak senjata militer sangat memerlukan informasi orientasi
arah peta dengan tepat. Gambar 9. merupakan beberapa contoh dari bentuk orientasi
arah.
21
Gambar 9. merupakan adalah contoh dari bentuk orientasi arah peta yang
dapat digunakan dalam pembuatan peta. Simbol piktorial yang digunakan dapat
berupa sebuah ujung anak panah atau simbol kompas yang menunjukkan arah mata
angin secara lengkap. Pada pembuatan peta dengan memanfaatkan perangkat lunak
GIS dapat memberikan kemudahan dalam pembuatan orientasi arah peta ini.
Beberapa simbol orientasi arah peta telah terdapat pada lingkungan perangkat lunak
terebut.
f. Grid Koordinat
Grid koordinat peta digunakan sebagai acuan penentuan lokasi peta. Grid peta
berupa garis imajiner yang melintang atas-bawah dan kiri - kanan pada peta.
Koordinat grid terdapat di sepanjang tepi peta. Satuan dari koordinat grid
ditentukan oleh sistem koordinat yang digunakan pada peta tersebut. Grid koordinat
dapat menggunakan koordinat geografis atau koordinat UTM. Kedua grid koordinat
tersebut dapat digunakan sendiri-sendiri ataupun bersamaan untuk saling
melengkapi, terutama jika pembuatannya dilakukan dengan menggunakan
perangkat lunak GIS.
22
Gambar 10. Grid peta menggunakan sistem koordinat UTM
Grid koordinat UTM diwujudkan dalam bentuk meter timur dan meter utara
(easting dan northing). Satuan yang digunakan dalam grid ini adalah meter. Contoh
lokasi titik pada grid dengan sistem koordinat ini adalah 465000 mT, 9110506 mU.
Penjelasan lebih detil terkait sistem koordinat ini akan diuraikan pada bagian lain
pada modul ini.
23
geomorfologi, jenis tanah, dan lain-lain. Secara faktual fenomena alamiah tersebut
tidak mengalami perubahan dalam waktu yang cepat.
h. Inset
Inset digunakan sebagai referensi lokasi geografis peta dalam skala yang lebih
kecil. Keberadaan inset peta ini memudahkan pemahaman tentang lokasi peta
dibandingkan dengan lokasi lain di sekitarnya. Inset sangat bermanfaat bagi
pengguna peta yang tidak familiar dengan lokasi peta tersebut.
Kotak pada Gambar 11. atas adalah peta inset dari peta yang bawah. Inset
tersebut menunjukkan bahwa posisi geografis dari peta tersebut berada di bagian
utara barat dari Propinsi Jawa Timur. Peta inset memiliki skala yang lebih kecil
sehingga mencakup area yang lebih luas dari peta utama.
i. Referensi
Referensi peta sering juga disebut sebagai sumber peta. Referensi peta ini
berfungsi untuk menunjukkan sumber data yang digunakan untuk pembuatan peta
tersebut. Referensi peta dapat berupa peta dasar, data citra satelit, ataupun hasil
pengolahan data statistik.
24
6. Proyeksi Peta
a. Istilah-Istilah dalam Proyeksi Peta
Pendalaman terkait sistem proyeksi ini terdapat beberapa hal penting yang
perlu diingat. Sebelum masuk pada uraian sistem proyeksi perlu kembali diingatkan
secara sekilas tentang istilah-istilah penting yang digunakan dalam sistem proyeksi.
Uraian berikut akan mengingatkan tentang makna dari beberapa istilah yang banyak
digunakan dalam sistem proyeksi ini.
Meridian Paralel
Garis geodesik adalah kurva terpendek yang menghubungkan dua titik pada
permukaan elipsoid. Garis geodesik secara faktual adalah sebuah garis lurus pada
permukaan bumi. Proyeksi dari garis geodesik ini disebut juga sebagai garis
orhtodrome. Pada sistem proyeksi mercator, garis orthodrome tergambar sebagai
garis lengkung. Jika dalam satu navigasi ingin mendapatkan jarak terpendek maka
seharusnya mengikuti arah garis geodesik atau garis orthodrome ini. Jika dalam satu
penerbangan yang diikuti adalah garis Loxodrome maka senyatanya akan selalu
25
mengubah arah pesawat, karena sebenarnya garis ini di muka bumi bukanlah
sebuah garis lurus.
- Garis Loxodrome
Garis loxodrome disebut juga dengan garis rumbline. Garis ini adalah garis
yang memotong meridian dengan sudut azimut α tetap. Dengan kalimat lain, garis
ini memiliki sudut α yang selalu tetap pada setiap memotong meridian. Karena
memiliki sudut α yang selalu tetap maka garis loxodrome ini memiliki peran yang
penting dalam navigasi seperti penentuan arah kapal. Pada sistem proyeksi
mercator, garis loxodrome tergambar sebagai garis lurus.
26
Berdasar pada bidang proyeksinya, dikenal adanya proyeksi azimutal,
proyeksi kerucut dan silinder. Proyeksi azimutal mengunakan satu bidang data
sebagai bidang proyeksinya. Proyeksi kerucut menggunakan bidang kerucut,
sedangkan proyeksi silinder menggunakan bidang silinder sebagai bidang
proyeksinya. Bidang kerucut dan bidang silinder tersebut selanjutnya didatarkan
setelah mendapatkan proyeksi muka bumi.
Gambar 13. paling kiri merupakan proyeksi dengan sistem azimutal, dimana
bidang proyeksinya adalah sebuah bidang datar. Gambar 13. tengah merupakan
proyeksi silinder, dimana bidang proyeksinya adalah silinder, sedang Gambar 13.
paling kanan merupakan proyeksi kerucut.
titik singgung
titik singgung
titik singgung
Gambar 14 menunjukkan posisi titik singgung dari proyeksi tipe tangent dan
secant. Gambar 14. atas merupakan proyeksi tipe tangent, sedangkan Gambar 14.
bawah merupakan proyeksi tipe secant.
28
Gambar berikut akan menjelaskan tentang proyeksi normal, miring, dan
transversal.
Proyeksi normal
Proyeksi miring
Proyeksi transversal
29
Kondisi-kondisi di atas menentukan sifat dari sistem proyeksi. Satu sistem
proyeksi dapat merupakan kombinasi dari tiga kondisi di atas. Sebagai contoh
adalah jika proyeksi yang digunakan pada peta memiliki ciri silinder, transversal,
dan secant. Hal tersebut berarti bidang proyeksi yang digunakan adalah silinder,
dengan posisi transversal (datar tegak lurus dengan sumbu bumi), dan memiliki dua
titik singgung. Contoh dari kondisi ini adalah sistem proyeksi Universal Transverse
Mercator (UTM).
Proses proyeksi tidak pernah menghasilkan akurasi pada empat hal yang telah
disebutkan dimuka (luas, bentuk, arah dan jarak). Setiap sistem proyeksi selalu
menghasilkan distorsi paling tidak pada salah satu variabel tersebut. Berdasar
kondisi ini dikenal beberapa tipe proyeksi yang bertujuan untuk mempertahankan
ketepatan paling tidak satu dari empat variabel tersebut. Ditinjau dari sifat asli yang
dipertahankan dikenal proyeksi ekuivalen, konform, dan ekuidistan.
30
c. Proyeksi Universal Transverse Mercator (UTM)
Permukaan bumi pada sistem proyeksi ini dibagi menjadi 60 zone dengan
lebar tiap zone adalah sebesar 6o. Zona 1 dimulai dari bujur 180o BB hingga 174o
BB, dan berlanjut ke arah timur sebagai zona 2 dan seterusnya hingga mencapai
zona 60. Tiap zone memiliki meridian tengah sendiri-sendiri. Sistem koordinat pada
proyeksi UTM menggunakan satuan metrik atau meter. Pada setiap meridian tengah
dalam proyeksi UTM diberi nilai 500.000 mT. Terkait dengan hal ini, wilayah
negara Indonesia masuk pada zona 46 hingga 54. Batas tepi paralel adalah pada
lintang 84o LU dan 80o LS. Wilayah di atas lintang tersebut harus dipetakan dengan
menggunakan sistem proyeksi yang lain. Setiap jalur memiliki lebar seluas 8o. Jalur
dimulai dari 80o LS - 72o LS dan di beri nama dengan huruf C. Jalur berakhir pada
huruf X (dengan tidak menggunakan huruf I dan O) pada 72o LU - 84o LU.
31
7. Contoh Pemanfaatan Peta
elevasi
slope
curah hujan
jaringan
drainase
Peta kerentanan
penggunaan kriteria sosio banjir perkotaan
lahan ekonomis
Banjir adalah bencana yang sering terjadi dan memberikan dampak yang
dapat merusak pada kehidupan manusia ataupun lingkungan. Potensi banjir akan
terus meningkat sejalan dengan semakin sempitnya lahan penyerap air permukaan
dan memburuknya sistem drainase. Perubahan iklim yang terjadi secara global
meningkatkan potensi terhadap kejadian banjir. Ouma dan Tateishi (2014)
menggunakan sistem informasi geografis untuk mengkaji banjir perkotaan dengan
32
dasar kondisi topografi dan morfometri lahan perkotaan. Kondisi tersebut diurai
menjadi parameter elevasi, kemiringan lereng (slope), tanah, curah hujan, jaringan
drainase, dan penggunaan lahan. Data-data tersebut selanjutnya oleh Ouma dan
Tateishi (2014) dianalisis melalui prosedur AHP melalui perangkat sistem
informasi geografis.
Keterkaitan parameter dalam kajian ini terkait kriteria fisik dan sosio
ekonomis ditunjukkan seperti pada Gambar 16 tersebut. Parameter tersebut dinilai
sebagai parameter yang penting dan memberikan pengaruh terhadap kejadian banjir
perkotaan. Data parameter elevasi, slope dan jaringan drainase diturunkan dari data
DEM. Perkembangan pada saat ini, model elevasi digital dapat diturunkan dari data
penginderaan jauh seperti citra satelit ASTER dan SRTM.
Elevasi dan slope memiliki peran yang penting terhadap kejadian banjir.
Ketinggian tempat tidak memungkinkan terjadinya genangan. Genangan akan
terjadi pada titik-titik yang memiliki elevasi rendah. Informasi lokasi yang memiliki
elevasi rendah dapat diidentifikasi melalui data model elevasi digital (DEM). Beda
tinggi tempat menghasilkan kekasaran permukaan lahan. Lahan yang memiliki
kekasaran tinggi lebih memungkinkan terjadinya infiltrasi dibandingkan
permukaan yang halus. Infiltrasi mengurangi potensi jumlah air yang jatuh menjadi
air larian permukaan lahan. Slope berperan terhadap kontrol kecepatan air larian
permukaan, arah larian, dan jumlah air larian permukaan dan bawah permukaan
yang sampai ke lokasi banjir. Slope yang landai merupakan kondisi yang lebih peka
terhadap banjir. Jenis tanah memiliki peran yang besar terhadap kemampuan
infiltrasi. Tanah pasir memiliki kemampuan infiltrasi yang tinggi dibandingkan
dengan tanah lempung. Seperti disebutkan di muka, bahwa infiltrasi akan
mengurangi jumlah air larian permukaan yang akan menjadi banjir. Curah hujan
merupakan faktor utama penyebab banjir. Curah hujan dengan intensitas yang
tinggi akan secara langsung memicu terjadinya banjir. Kepadatan jaringan drainase
memberikan peran terhadap tingkat erosi permukaan pada lahan. Dengan demikian
semakin tinggi tingkat kepadatan drainase akan memberikan potensi yang lebih
tinggi terhadap hilangnya tanah permukaan. Kehilangan tanah permukaan akan
33
mengurangi kemampuan infitrasi, terutama jika telah mencapai lapisan batuan
dasar. Penggunaan lahan dan penutup lahan juga merupakan satu kontrol terhadap
stabilitas tanah dan infiltrasi. Penutupan vegetasi memiliki kemampuan yang lebih
besar dalam menahan air permukaan dan meningkatkan infiltrasi dibandingkan
lahan dengan terbangun.
E. RANGKUMAN
Pemetaan merupakan satu keterampilan geografis yang sangat diperlukan
dalam era industri 4.0. Peta merupakan satu gambaran muka bumi atau sebagian
area muka bumi pada sebuah bidang datar dua dimensional yang dituangkan
menggunakan berbagai simbol dengan satu sistem proyeksi tertentu. Peta
merupakan penyederhanaan dari fenomena muka bumi yang dituangkan sebagai
informasi spasial. Peta berfungsi sebagai penampil data dan penyimpan data.
Perkembangan teknologi mendorong perkembangan fungsi peta yaitu sebagai alat
pengindeks informasi spasial, alat pencari data, dan visualisasi awal proses
pengunduhan data hingga alat navigasi. Jenis peta yang pokok adalah peta referensi
dan peta tematik. Jenis lainnya adalah peta mental yang juga memiliki peran penting
bagi tiap individu. Peta memiliki unsur-unsur yaitu judul, skala, simbol, legenda,
orientasi arah, grid koordinat, pembuat dan tahun pembuatan, inset dan referensi.
Mengingat peta adalah penggambaran bidang lengkung pada bidang datar, maka
harus menggunakan satu jenis proyeksi. Terdapat beberapa klasifikasi sistem
proyeksi, yaitu berdasar bidang proyeksinya, titik singgung, posisi, sifat asli yang
dipertahankan dan generasinya.
34
Pendalaman Materi : Geografi
No Kode : DAR2/Profesional/207/1/2019
Modul 1 :
PERPETAAN, PENGINDERAAN JAUH,
DAN SISTEM INFORMASI GEOGRAFIS
Kegiatan Belajar 2 :
Penginderaan Jauh dan SIG untuk Pengolahan Data Geografis
37
Modul 1.
Perpetaan, Penginderaan Jauh, dan Sistem Informasi Geografis
Kegiatan Belajar 2:
Penginderaan Jauh dan SIG untuk Pengolahan Data Geografis
A. PENDAHULUAN
Bapak-Ibu yang terhormat, peserta PPG sekalian. Selamat bergabung dalam
pembelajaran kita dengan tema umum Perpetaan, Penginderaan Jauh, dan Sistem
Informasi Geografis. Bagian ini merupakan kegiatan belajar kedua dengan tema
Mengolah Data Geografis melalui Penginderaan Jauh dan Sistem Informasi
Geografis
Seperti telah Bapak-Ibu ketahui, data geografis yang sering digunakan dalam
analisis kewilayahan dapat berupa peta, citra penginderaan jauh dan data-data
tabular lain. Analisis tersebut memerlukan pengetahuan dan keterampilan
mengenai karakteristik data dan cara pengolahannya. Setelah mempelajari modul
ini, diharapkan Bapak-Ibu peserta PPG sekalian mampu memahami dan memiliki
keterampilan dalam mengolah data geografis tersebut melalui penginderaan jauh
dan sistem informasi geografis.
Petunjuk belajar :
1. Bacalah materi dalam kegiatan belajar (KB-2) ini sebaik-baiknya.
2. Jika diperlukan Bapak-Ibu boleh mencari informasi tambahan sesuai dengan
materi dalam KB-2
3. Setelah membaca kerjakan latihan soal pada bagian akhir KB-2 ini. Skor
minimal yang harus diperoleh adalah 70.
4. Jika Bapak-Ibu mendapatkan skor kurang dari 70 maka dinyatakan belum
tuntas, maka jangan beralih ke KB berikutnya.
B. CAPAIAN PEMBELAJARAN
Dalam substansi keilmuan, setiap guru geografi mampu menganalisis hakekat
dan literasi informasi geografi.
C. SUB CAPAIAN PEMBELAJARAN
Peserta memiliki pengetahuan dan keterampilan dalam mengolah data
geografis tersebut melalui penginderaan jauh dan sistem informasi geografis.
38
D. URAIAN MATERI : Penginderaan Jauh dan SIG untuk Pengolahan
Data Geografis
Bapak-Ibu yang terhormat, sebelum menginjak pada proses mengolah data
geografis melalui penginderaan jauh dan sistem informasi geografis, sekilas
terlebih kita buka kembali wacana tentang pengertian penginderaan jauh dan sistem
informasi geografis itu sendiri. Hal ini menjadi penting mengingat penginderaan
jauh dan sistem informasi geografis memiliki dasar konseptual yang luas.
Pemahaman ini nantinya bermanfaat sebagai dasar pengembangan keterampilan
dalam menggunakan konsep sekaligus teknologi yang ada dalam penginderaan jauh
dan sistem informasi geografis ini.
Bapak-Ibu peserta PPG yang terhormat, seperti telah kita ketahui bersama,
penginderaan jauh memiliki pengertian yang luas dan telah berkembang cukup
lama. Perkembangan ini mengantarkan penginderaan jauh sebagai satu ilmu yang
mapan di antara ilmu-ilmu lain. Penginderaan jauh juga telah banyak diaplikasikan
dalam berbagai bidang sebagai satu teknik perolehan informasi muka bumi. Hingga
saat ini data-data penginderaan jauh banyak digunakan sebagai dasar dalam analisis
spasial dan pengambilan kebijakan.
Terdapat beberapa pemahaman tentang makna penginderaan jauh. Definisi
umum tentang penginderaan jauh adalah ilmu tentang perolehan informasi
permukaan bumi tanpa kontak langsung dengan obyeknya (Rees, 2001; Elachi dan
van Zyl, 2006; Schowengerdht, 2007). Sementara itu Howari dkk (2007)
menjelaskan bahwa penginderaan jauh merupakan suatu proses pendugaan
berbagai parameter permukaan melalui pengukuran radiasi gelombang
elektromagnetik dari permukaan lahan.
Bapak-Ibu yang terhormat, apabila dilihat dari tujuannya, beberapa ahli telah
memberikan penjelasannya. Tujuan pokok dari penginderaan jauh adalah untuk
mengidentifikasi dan mengkarakterisasi obyek di muka bumi. Sementara itu
Madhok dan Landgrebe (2002) menguraikan bahwa data penginderaan jauh
dianalisis untuk mempertajam pemahaman tentang kondisi permukaan bumi dalam
39
hal bentuk, komposisi dan fungsinya. Pendapat lain dari Turdukulov dkk (2015),
menyatakan bahwa analisis terhadap data pengideraan jauh adalah untuk
membangun hipotesa-hipotesa serta memahami dinamika objek spasial
Melihat beberapa pendapat tersebut dapat diketahui kata-kata kunci tentang
penginderaan jauh. Beberapa hal pokok tentang penginderaan jauh tersebut adalah
perolehan informasi muka bumi dan tidak bersentuhan langsung dengan obyek. Dua
hal tersebut yang mendasari pemahaman tentang apa dan bagaimana penginderaan
jauh tersebut. Obyek yang diindera adalah segala obyek yang berada di permukaan
bumi, sedangkan cara perolehan informasinya dilakukan dengan menggunakan satu
media.
Obyek di permukaan bumi seperti vegetasi, tanah dan tubuh air adalah obyek
pokok yang diindera oleh penginderaan jauh. Informasi detil terkait obyek tersebut
selanjutnya dipengaruhi oleh karakteristik resolusi spasial dari sensor yang
digunakan. Kombinasi dari obyek pokok tersebut menghasilkan informasi-
informasi penting terkait dinamika yang terjadi dipermukaan bumi tersebut.
Informasi detil diperoleh melalui interpretasi keterkaitan antar fenomena tersebut
di permukaan bumi.
Penginderaan jauh merekam informasi dengan cara perabaan atau perekaman
energi gelombang elektromagnetik yang dipantulkan ataupun dipancarkan dari
permukaan bumi. Energi gelombang elektromagnetik tersebut diterima sensor dan
direkam sebagai nilai spektral pada citra penginderaan jauh. Rentang nilai spektral
pada data penginderaan jauh ini ditentukan oleh karakteristik resolusi spektral
sensor tersebut. Sensor yang memiliki resolusi spektral tinggi memiliki potongan-
potongan panjang gelombang yang lebih banyak. Potongan panjang gelombang ini
sering disebut sebagai saluran citra atau band. Informasi objek di lapangan
selanjutnya dikenali melalui analisis nilai spektral ataupun interpretasi visualisasi
citra (Madhok dan Landgrebe, 2002; Strasen dkk, 2009; Leverington, 2010;
Bianchetti, 2011; Yang dkk, 2011; Kinkeldey, 2014). Informasi dari penginderaan
jauh dapat diperoleh melalui pendekatan analisis visual dan digital, pendekatan
definisi informasi teoritis, dan pendekatan berbasis klasifikasi dan interpretasi.
40
Banyak pakar memberi batasan terhadap konsep penginderaan jauh. Batasan
membatasi penginderaan jauh pada pemanfaatan gelombang elektromagnetik
dalam perolehan informasi muka bumi. Perolehan informasi melalui penginderaan
yang memanfaatkan sifat fisik bumi seperti kemagnitan, gaya berat dan seismik
tidak termasuk dalam klasifikasi penginderaan jauh. Metode ini lebih tergolong
pada metode geofisika. Aplikasi data penginderaan jauh banyak pada bidang-
bidang pengelolaan sumberdaya dan pengelolaan wilayah di permukaan bumi.
Berdasar batasan tersebut, perlu kita pahami beberapa hal penting dalam
penginderaan jauh yaitu :
1. Sumber energi yang merupakan hal utama yang diperlukan dalam
penginderaan jauh sebagai penyedia enegi yang dipancarkan.
2. Radiasi dan atmosfer, sebagai media energi dari sumber ke target.
3. Interaksi energi dengan target
4. Perekaman energi oleh sensor
5. Transmisi energi dari sumber ke sensor
6. Interpretasi dan analisis data hasil perekaman
41
b. Konsep Gelombang Elekromagnetik
i. Panjang Gelombang dan Frekuensi
Bidang elektrik
Bidang magnetik
arah radiasi
42
elektronik memiliki bidang gelombang yang tegak lurus dengan gelombang
magnetik. Kedua gelombang tersebut merambat bersamaan pada bidangnya
masing-masing menjadi satu gelombang elektromagnetik.
Properti gelombang elektromagnetik yang menjadi pembeda dari jenis
gelombang elektromagnetik tersebut adalah panjang gelombang (wave length) dan
frekuensi. Panjang gelombang (λ) adalah panjang dari satu putaran gelombang yang
dapat dihitung antara puncak gelombang satu ke puncak gelombang berikutnya.
Panjang gelombang diukur dengan satuan meter (m) dengan beberapa turunannya
yaitu nanometres (nm, 10-9 meter), micrometer (μm, 10-6 meter) atau centimeter
(cm, 10-2 meter). Gelombang elektromagnetik akan memiliki sifat yang berbeda
sesuai dengan panjang dari gelombang elektromagnetik tersebut. Ilustrasi tentang
panjang gelombang dapat dilihat pada Gambar 2.
λ
α
λ
Gambar 2. Keterkaitan frekuensi dengan panjang gelombang
43
rendah. Keterkaitan panjang gelombang dan frekuensi dituliskan dalam formula
berikut :
c=λv
Keterangan
c = kecepatan cahaya (3 x 106 m/s)
λ = panjang gelombang (m)
v = frekuensi ( Hz)
Q=hxv
= h x (c / λ)
Keterangan :
Q : energi foton dalam satuan joule
h : konstanta Planck (6,6262 x 10-34 joulesecond)
44
tersebut. Sifat dari gelombang elektromagnetik secara umum adalah sebagai
berikut:
• Gelombang elektromagnetik dengan panjang gelombang yang pendek
memiliki sifat sebagai cahaya, dan panjang gelombang yang panjang memiliki
sifat sebagai suara. Berdasar hal ini, berarti cahaya dan suara adalah sesuatu
yang sama yaitu gelombang elektromagnetik namun memiliki perbedaan
dalam panjang gelombangnya.
• Semakin panjang suatu gelombang, suhu laten semakin rendah. Contoh mudah
dan sering Bapak-Ibu temui dalam hal ini adalah pada api kompor di dapur
yang menyala. Api kompor yang berwarna biru memiliki panas yang lebih
tinggi dibandingkan api kompor yang warnanya merah. Dalam penginderaan
jauh hal ini digunakan untuk perabaan panas seperti kebakaran hutan,
pemantauan kebocoran pipa bawah permukaan, sebaran pencemaran pada air
laut, pusat panas bumi, sumber erupsi, dan lain-lain. Saluran 6 dari satelit
Landsat 7 ETM+ atau saluran 10 dan 11 dari satelit Landsat 8 OLI adalah
contoh citra satelit yang menggunakan panjang gelombang thermal
45
ii. Spektrum Gelombang Elektromagnetik dalam Penginderaan Jauh
λ (nm)
Gambar 4. Rentang spektrum satelit Landsat 7 ETM+ dan Landsat 8 OLI
Sumber gambar : https://landsat.gsfc.nasa.gov/landsat-8/landsat-8-overview/
Gambar di atas menunjukkan apa yang disebut sebagai jendela atmofer pada
spektrum tampak hingga inframerah. Jendela atmorfer tersebut menunjukkan posisi
spektrum yang dapat melalui hambatan atmosferik. Warna abu-abu adalah rentang
spektrum gelombang elektromagnetik yang mampu melalui hambatan atmosferik
47
tersebut. Warna putih adalah area dimana gelombang elektromagnetik tidak dapat
menembus hambatan atmosferik. Posisi bagian kiri adalah rentang spektrum
gelombang pendek, termasuk gelombang tampak. Kotak berwana biru, hijau dan
merah adalah perkiraan posisi spektrum yang direkam oleh sensor citra satelit
Landsat. Satelit Landsat 7 ETM+ memiliki delapan sensor dan Landsat 8 OLI
memiliki sebelas sensor dengan rentang spektral yang berbeda. Beberapa sensor
memiliki kemiripan rentang spektrum pada kedua satelit tersebut. Secara detil
rentang dari masing-masing saluran (band) dari kedua satelit tersebut dapat dilihat
pada tabel berikut.
Tabel 1. Saluran-saluran dari satelit Landsat 7 ETM+
Nama Saluran lebar spektrum (µm) Resolusi (m)
Band 1 0.45-0.515 30
Band 2 0.525-0.605 30
Band 3 0.63-0.69 30
Band 4 0.775-0.90 30
Band 5 1.55-1.75 30
Band 6 10.4-12.5 60
Band 7 2.08-2.35 30
Band 8 0.52-0.9 15
Sumber : USGS 2007
Tabel 2. Saluran-saluran dari satelit Landsat 8 OLI
Nama Saluran lebar spektrum (µm) Resolusi (m)
Band 1 Coastal 0.43 - 0.45 30
Band 2 Blue 0.45 - 0.51 30
Band 3 Green 0.53 - 0.59 30
Band 4 Red 0.63 - 0.67 30
Band 5 NIR 0.85 - 0.88 30
Band 6 SWIR 1 1.57 - 1.65 30
Band 7 SWIR 2 2.11 - 2.29 30
Band 8 Pan 0.50 - 0.68 15
Band 9 Cirrus 1.36 - 1.38 30
Band 10 TIRS 1 10.6 - 11.19 30 (100)
Band 11 TIRS 2 11.5 - 12.51 30 (100)
Sumber : USGS 2016
48
Penginderaan jauh juga banyak dimanfaatkan untuk membantu analisis
morfologi lahan, sumberdaya bawah permukaan. Pada sistem penginderaan ini
digunakan spektrum gelombang yang lebih panjang. Spekrum ini adalah spektrum
gelombang mikro (Micro wave) atau sering disebut dengan gelombang radar.
Spektrum ini memiliki daya tembus terhadap benda padat yang lebih besar
dibandingkan spektrum tampak dan inframerah seperti telah diuraikan di depan.
Kemampuan atau daya tembus gelombang ditentukan oleh panjang gelombang itu
sendiri. Spektrum ini terbagi dalam beberapa saluran yang masing-masing memiliki
kemampuan menembus suatu obyek yang berbeda. Saluran-saluran dari spektrum
ini adalah sebagai berikut.
Tabel 3. Saluran-saluran dari spektrum gelombang mikro
Nama Saluran Panjang Gelombang
P 30 - 100 cm
L 15 - 30 cm
S 7,5 - 15 cm
C 3,75 - 7,5 cm
X 2,4 - 3,75 cm
Ku 1,67 - 2,4 cm
K 1,1 - 1,67 cm
Ka 0,75 - 1,1 cm
Sumber : USGS 2016
Berdasar tabel tersebut dapat dilihat bahwa panjang gelombang yang
digunakan dalam radar adalah berkisar antara 0,75 cm hingga 1 meter. Masing-
masing saluran ini diaplikasikan sesuai dengan karakteristiknya terhadap obyek.
energi
diserap
energi diteruskan
εTotal = εa + εr + εt
Keterangan :
εTotal : Energi total yang diterima obyek
εa : energi di serap
εr : energi di pantulkan
εt : energi di teruskan
53
berbeda-beda terhadap gelombang elektromagetik. Hasil dari masing-masing
sensor ini selanjutnya sering dikenal dengan istilah saluran (band). Contoh citra
satelit Landsat 7 ETM+ dengan 8 saluran (band) yang masing-masing band
memiliki kemampuan ”melihat” yang berbeda-beda.
Energi merupakan unsur yang sangat penting sebagai penghantar informasi
dalam penginderaan jauh. Tanpa adanya energi ini maka informasi tidak akan dapat
diperoleh oleh sensor satelit. Dengan demikian keberadaan energi yang masuk ke
sensor adalah hal pokok dari perolehan informasi tentang obyek di muka bumi.
Berdasar pada bentuk energi ini, penginderaan jauh dapat dibedakan menjadi dua
bentuk yaitu penginderaan jauh sistem pasif dan penginderaan jauh sistem aktif.
Sumber energi
Sensor
gelombang
elektromagnetik
memantul menuju
1
Data citra
gelombang
elektromagnetik
Permukaan bumi
memancar dari
54
Gambar 7. memberikan ilustrasi dari sistem penginderaan jauh pasif. Sumber
energi pada sistem ini adalah matahari. Energi gelombang elektromagnetik dari
matahari datang menuju obyek yang kemudian akan dipantulkan menuju sensor.
Sensor menerima pantulan gelombang elektromagnetik dari obyek di muka bumi.
Sensor yang digunakan dalam penginderaan jauh sistem ini bervariasi dari
sebuah peralatan lapangan hingga yang terpasang pada satelit. Peralatan lapangan
seperti spektrofotometer dapat dipasang secara permanen diatas obyek ataupun
pada wahana yang bergerak. Wahana yang bergerak dapat berupa mobil, pesawat
terbang hingga satelit. Satelit sumber daya seperti Landsat, QuickBird, Ikonos,
adalah contoh dari sistem penginderaan jauh pasif ini.
55
Scatterometers, dan altimeter. Prinsip dasar dari radar ini adalah pemancaran dan
penerimaan balikan sinyal. Energi gelombang pendek dipancarkan dari sensor.
Energi tersebut akan bergerak menuju obyek. Sebagian sinyal yang mengenai
obyek tersebut akan berbalik dan kembali ditangkap oleh sensor radar tersebut.
Beberapa informasi yang dicatat dari pantulan sinyal yang tertangkap oleh sensor
tersebut diantaranya magnitude, fase sinyal, interval waktu antara saat sinyal
dipancarkan dan saat sinyal tertangkap kembali, polarisasi, dan frekuensi efek
Doppler. Pemancaran sinyal dan penangkapan sinyal biasanya dilakukan oleh
sebuah pemancar yang sama pada sensor radar. Ilustrasi penginderaan jauh sistem
aktif dapat dilihat pada ilustrasi berikut.
Sensor
1
Data citra
2 gelombang elektromagnetik
dipancarkan dari sensor
gelombang elektromagnetik
memantul menuju sensor
Permukaan bumi
i. Geostationary Orbit
58
Gambar 9. merupakan ilustrasi dari orbit geostationary. Orbit satelit searah
dengan perputaran bola bumi pada porosnya. Kesamaan arah rotasi ini
mengakibatkan satelit seakan-akan berada tetap pada posisinya.
Satelit dengan orbit Near Polar mengelilingi bumi dengan arah utara – selatan
tegak lurus dengan perputaran bumi, atau sebaliknya. Pada saat satelit berada pada
bagian muka bumi yang berhadapan dengan matahari, sensor merekam pantulan
energi matahari yang mengenai muka bumi. Pada saat satelit berada pada area
bayang-bayang (malam), beberapa sensor seperti sensor termal masih dapat
merekam energi yang dipancarkan oleh permukaan bumi. Satelit penginderaan jauh
sumberdaya biasanya memiliki orbit ini. Orbit ini dapat meliput sebagian besar
wilayah muka bumi dalam satu periode orbit. Satelit akan merekam ulang area yang
sama pada rentan waktu tertentu. Rentang waktu perekaman ulang area yang sama
ini disebut sebagai resolusi temporal. Ilustrasi dari orbit near polar dapat dilihat
pada Gambar 10.
59
mengakibatkan seakan-akan lokasi satelit selalu berpindah dari waktu ke waktu.
Pergerakan ini memungkinkan perekaman pada hampir seluruh permukaan bumi.
Citra utuh
Piksel citra
Area terrekam
Permukaan bumi
30 m
30 m
61
Satelit Landsat TM memiliki sensor dengan kepekaan pada masing-masing rentang
interval panjang gelombang hingga sebanyak 7 saluran. Masing-masing sensornya
hanya merekam energi panjang gelombang dengan rentang tertentu.
Film hitam putih merekam panjang gelombang dari 0,4 mm hingga 0,7 meter.
Film ini menghasilkan citra yang berwarna hitam dan putih saja, karena seluruh
panjang gelombang yang terrentang pada interval tersebut terrekam pada satu titik.
Seperti telah diketahui, rentangan 0,4 mm hingga 0,7mm terdiri dari banyak warna
yang diantaranya adalah warna primer yaitu biru, hijau, dan merah. Perpaduan dari
ketiga warna tersebut menghasilkan gradasi warna keabuan (greyscale).
Band 1 Sensor 2
Band 2
Band 3
Band 4
Band n
62
tampak menjadi tiga saluran, sementara sensor 2 hanya menjadi satu saluran.
Masing-masing saluran tersebut akan menjadi satu buah data citra satelit.
63
2. Sistem informasi geografis sebagai pengolah data geografis
Bapak-Ibu peserta PPG yang terhormat, setelah mempelajari tentang konsep-
konsep penginderaan jauh, kali ini kita akan mulai belajar tentang konsep sistem
informasi geografis. Sistem informasi geografis dan penginderaan jauh pada saat
ini merupakan satu kesatuan ilmu dan teknologi yang saling melengkapi.
Penginderaan jauh banyak memberikan peran dalam penyediaan data spasial,
sedangkan sistem informasi geografis banyak memberikan peran dalam hal
pengolahan dan analisis spasialnya. Uraian berikut memberikan penjelasan tentang
konsep dalam sistem informasi geografis.
65
yang lalu hingga detik ini, dari masalah perubahan bentuk molekular hingga
interaksi sosial. Kompleksitas ini mengakibatkan sulitnya manusia
menggambarkan dunia nyata tersebut. Penggambaran dunia nyata yang dilakukan
merupakan sebuah peristiwa penyederhanaan, klasifikasi, dan simbolisasi sesuai
dengan interpretasi masing-masing individu tersebut. Seluruh fenomena dunia
nyata ini tidaklah mungkin sekaligus digambarkan secara lengkap, detil, dan
sempurna.
DeBruin dan Moleenar (2002) menguraikan bahwa sebagai model dari dunia
nyata, maka data spasial dibedakan menjadi dua bentuk model, yaitu model objek
eksak (the exact object model) dan model medan berrangkaian (the continous field
model). Model objek eksak memandang data spasial tersusun atas objek-objek yang
dapat dengan jelas ditentukan dan dibatasi entitasnya. Contoh dari model ini adalah
data bangunan, jalan, lahan pertanian dan lain-lain. Model medan berrangkaian
memahami bahwa ruang geografis adalah suatu rangkaian yang berkelanjutan.
Contoh dari model ini adalah data ketinggian tempat, data kemiringan lereng, data
nilai indeks vegetasi, dan lain-lain. Data ini merupakan data kontinum yang
berkelanjutan dan saling berkaitan satu sama lain.
Data spasial mencakup dua komponen yaitu komponen spasial dan komponen
tematik. Kedua komponen tersebut saling terkait dan saling memperkuat informasi
yang dikandung dalam data tersebut. SIG mendasarkan pada kedua komponen
tersebut dalam berbagai analisis spasial yang dilakukan. Komponen spasial dan
komponen tematik dapat dianalisis secara bersama ataupun terpisah dari masing-
masing komponen tersebut. Komponen spasial dan tematik dapat diwujudkan
menjadi sebuah informasi spasial seperti peta-peta digital yang pada saat ini banyak
digunakan pada berbagai aplikasi online.
Komponen spasial memberikan keterangan tentang lokasi dari keberadaan
data tersebut. Terdapat dua bentuk dari aspek komponen spasial ini yaitu lokasi
absolut dan lokasi relatif. Lokasi absolut merupakan lokasi yang mendasarkan pada
posisi koordinat tertentu dalam sebuah sistem proyeksi. Koordinat menunjukkan
lokasi data secara pasti yang tidak akan diterjemahkan berbeda antara satu
pengguna dengan pengguna lainnya. Sebagai contoh, terdapat informasi bahwa
66
sebuah obyek gedung terletak pada koordinat 43000 mT, 9156500 mU. Informasi
ini menunjukkan secara pasti lokasi gedung tersebut. Para pengguna informasi
dapat mencarinya dengan menggunakan peralatan bantu navigasi menuju pada titik
tersebut. Lokasi relatif menunjuk suatu lokasi berbanding pada suatu lokasi data
lainnya. Misal, kampus Unesa Ketitang terletak di sebelah barat dari jalan Ahmad
Yani Surabaya. Informasi ini menunjuk pada arah tertentu yang dibandingkan
dengan posisi fitur tertentu yang lain pada sebuah data. Komponen tematik merujuk
pada jenis informasi yang terkandung pada data spasial. Data ini dapat berbentuk
simbolik, kuantitatif ataupun sebagai data deskribtif dan terrekam sebagai data
atribut. Komponen tematik memunculkan informasi tematik yang dimunculkan atas
sebuah peta dasar.
Penjelasan lain tentang data spasial diperoleh dari Liu dan Mason (2009).
Data spasial dicirikan oleh empat hal yaitu :
1. dibentuk oleh keterkaitan yang nyata antara objek geometris dengan atribut
yang menjelaskan objek tersebut;
2. data spasial memiliki georeferensi yang nyata di muka bumi;
3. data spasial terkategori dan direpresentasikan sebagai objek titik, garis atau
area, sesuai dengan karakter dasar dari objek tersebut dalam dunia nyata;
4. data dikelola menjadi peta-peta tematik sesuai dengan jenis fiturnya dalam
dunia nyata. Sejalan dengan karakteristik terakhir tersebut, data spasial yang
memuat informasi tertentu yang sering disebut sebagai peta tematik.
67
digital pada saat ini lebih banyak dimanfaatkan dalam berbagai aplikasi. Berikut
karakteristik dari dua bentuk data tersebut.
SIG menggunakan data spasial dalam bentuk data digital. SIG akan mengolah
dan memvisualisasikan data spasial dalam bentuk struktur data raster atau vektor.
Struktur data ini memiliki karakteristik masing-masing yang berbeda. Bentuk
struktur data ini juga memerlukan metode pengolahan dan teknis analisis yang
berbeda.Kedua tipe ini dapat digunakan secara bersamaan ataupun terpisah. Data
vektor merupakan data yang lebih umum digunakan dalam berbagai fungsi SIG ini.
Sebagian besar operasi spasial dilakukan terhadap data dengan struktur data yang
sejenis, namun demikian beberapa operasi dalam SIG dapat digunakan untuk
analisis terhadap dua data dengan tipe data yang berbeda (Fotheringham dkk, 2000).
Struktur data raster adalah satu bentuk data diskrit. Informasi yang tersimpan
pada data tipe raster ini akan menjadi data yang bersifat diskret. Setiap piksel
mengandung informasi kuantitatif yang terpisah dengan piksel di sekitarnya. Data
diskret tersebut dapat diklasifikasi sehingga dapat dihasilkan data kualitatif yang
bersifat kontiyu. Analisis terhadap data raster dapat dilakukan melalui berbagai
algoritma terotomasi sehingga dapat dilakukan dengan cepat dan obyektif.
Rangkaian angka digital yang dimuat dalam data raster tersebut merepresentasikan
satu jenis informasi. Struktur data raster tidak memiliki tabel keterangan atau atribut
68
yang menyimpan informasi dari data raster tersebut. SIG memanfaatkan data raster
yang merepresentasikan kondisi muka bumi, seperti data-data penginderaan jauh.
Format penyimpanan data raster penginderaan jauh ini berupa band interleaved by
line (.bil), band interleaved by pixel (.bip), band sequential (.bsq). Perkembangan
teknik kompresi data raster selanjutnya yang digunakan adalah JPEG, TIFF,
MrSID, ECW dan lain-lain (Liu dan Mason, 2009). Angka digital piksel pada citra
satelit dapat menggambarkan nilai panjang gelombang yang dapat digunakan
sebagai penciri obyek di muka bumi.
Gambar 13. merupakan contoh dari data spasial jenis raster yang dapat
digunakan dalam analisis spasial dalam SIG. Data spasial tersebut berasal dari data
citra penginderaan jauh. Data raster tersebut apabila diurai terdiri dari banyak
piksel. Masing-masing piksel memiliki informasi numeris yang bersifat diskrit
sesuai dengan obyek yang diwakilinya di lapangan.
Data vektor menyimpan bentuk geometris dan lokasi objek dalam bentuk
vektor dan tabel atribut. Terdapat keterkaitan yang unik antara masing-masing fitur
obyek data vektor dengan identitas yang tersimpan pada tabel atributnya.
Keterkaitan fitur objek dengan atributnya tersebut dinamakan sebagai struktur data
georelasional. Bentuk keterkaitan lain dalam data vektor adalah keterkaitan logikal
antar fitur objek tersebut yang dinamakan dengan topologi. Keterkaitan logikal
antar fitur objek ini memungkinkan SIG mengetahui posisi relatif dari masing-
masing fitur vektor tersebut. Pengubahan-pengubahan pada fitur obyek data vektor
69
akan memberikan efek pada identitas atributnya. Demikian pula sebaliknya,
pengubahan pada identitas atribut akan memberikan efek pada pengubahan data
vektor.
Data tipe vektor terdiri dari titik dan garis atau lengkungan (arc) yang dalam
penggambarannya, fitur objek data vektor diwujudkan dalam bentuk titik (point),
garis (line) dan poligon (polygon). Perwujudan bentuk ini terkait dengan
karakteristik objek atau fenomena yang digambarkan dan skala penggambarannya.
Sebuah wilayah kota dapat digambarkan dengan poligon jika wilayah kota tersebut
secara nyata tergambarkan pada suatu skala tersebut. Jika pada skala tertentu,
wilayah kota tidak tergambarkan maka dapat digunakan simbol titik.
(Point)
(start node) (End node)
(Vertex)
Gambar 14. Start node, vertex, dan end node sebagai penyusun obyek garis
Gambar 14. merupakan ilustrasi dari bentuk data vektor titik dan garis. Obyek
titik tidak memiliki dimensi panjang. Vektor garis memiliki titik awal dan titik akhir
dan pada polyline terdapat vertex.
Titik adalah fitur objek paling sederhana. Titik atau point adalah sebuah
abstraksi data tak berdimensi yang dibentuk dari sebuah koordinat x dan y. Titik
biasanya digunakan untuk merepresentasikan fitur yang terlalu kecil dalam konteks
skala untuk ditampilkan sebagai sebuah poligon atau garis, misal lokasi dari sebuah
gedung, atau juga sebuah kota pada peta skala kecil. Contoh dari fitur objek titik
adalah lokasi rumah, pohon, jembatan, dan lain-lain yang tidak memerlukan
informasi terkait ukuran panjang dan luas geometrinya.
Objek titik yang saling terrangkai akan membentuk fitur garis. Sebuah data
vektor garis dibentuk oleh sebuah start node dan diakhiri dengan sebuah end node.
70
Pada garis lengkung, terdapat beberapa node diantara start node dan end node
tersebut. Node di antara start node dan end node disebut sebagai vertex. Garis
digunakan untuk merepresentasikan fitur memanjang yang terlalu kecil untuk
ditampilkan sebagai poligon pada skala tertentu seperti jalan dan sungai. Garis juga
digunakan untuk merepresentasikan fitur yang tak memiliki informasi ruang seperti
batas administratif desa, kota, atau negara. Contoh dari fitur objek garis ini adalah
jalan, sungai, jalur listrik dan objek lain yang hanya memerlukan informasi tekait
ukuran panjang geometri.
Apabila nilai koordinat dari titik awal dan titik akhir adalah sama maka
terbentuk sebuah fitur objek poligon. Fitur objek poligon ini adalah fitur yang
memiliki atribut luas geometri. Pada sebuah poligon, start node dan end node
berada pada satu koordinat yang sama. Start node dan end node haruslah bertemu
pada koordinat yang sama tersebut, karena jika tidak bertemu, maka hanya akan
membentuk sebuah arc. Poligon dapat berbentuk sebuah lingkaran, segi empat atau
bentuk yang tidak beraturan. Poligon digunakan untuk merepresentasikan sebuah
area. Contoh dari fitur objek ini adalah peta-peta tematik yang memiliki informasi
luas seperti peta persil, peta tanah, peta penggunaan lahan, dan lain-lain.
a. data digital dalam berbagai bentuk seperti data vektor, raster, basisdata, tabel
spreadsheet, data satelit dan lain-lain
b. gambar non digital seperti peta tercetak, foto udara, sketsa dan lain-lain
c. dokumen konvensional dan file
d. laporan ilmiah dan kompilasinya
e. hasil pengukuran survey seperti tabel koordinat atau unit lainnya.
71
Jenis data tersebut merupakan sumber informasi yang dapat digunakan dalam
analisis spasial untuk menghasilkan satu kesimpulan melalui SIG. Data-data
tersebut memerlukan cara yang tepat dalam proses masukannya mengingat tidak
semua metode input adalah tepat untuk setiap jenis data tersebut.
Secara umum terdapat beberapa metode input data dalam SIG. Pada bagian
ini akan sedikit diuraikan metode input data untuk beberapa jenis data yang banyak
digunakan dalam kajian berbasis SIG. Beberapa metode input data dalam SIG
adalah :
Proses digitasi merupakan proses yang umum dilakukan dalam proses input
data spasial. Proses ini dilakukan menggunakan media digitizer atau menggunakan
perangkat komputer melalui proses digitasi layar. Proses digitasi secara umum
terdiri dari beberapa tahapan yaitu persiapan, proses digitasi, dan editing data hasil
digitasi.
Proses digitasi adalah proses pengubahan bentuk data dari bentuk analog ke
dalam bentuk digital atau data raster ke dalam bentuk vektor (Bernhardsen, 1992).
Data vektor merupakan data pokok yang diolah dalam SIG. Oleh karena itu
berbagai bentuk data masukan pada umumnya diubah menjadi data vektor dalam
bentuk titik, garis, ataupun poligon. Proses masukan dapat dilakukan dengan
72
menggunakan perangkat keras digitizer atau menggunakan layar komputer
berbantuan perangkat lunak SIG. Perangkat lunak SIG pada saat ini memiliki fitur
digitasi yang lengkap. Proses input juga dilakukan pada data atributnya. Data atribut
ini merupakan data-data tabular yang terhubung secara topologi dengan fitur
spasial.
Penyiaman atau scanning adalah bentuk lain dari proses input data dalam
SIG. Proses ini mengubah data dalam bentuk raster menjadi data dalam bentuk
vektor. Proses pengubahan vektor secara terotomasi dapat dilakukan dengan
menggunakan modul raster to vector pada berbagai perangkat lunak SIG. Metode
ini sering menimbulkan kesalahan apabila kualitas data raster awal kurang baik,
atau terdapat fitur yang kompleks dan saling berdekatan. Proses pengubahan raster
ke vektor adalah dilakukan dalam proses pemetaan yang berasal dari data peta dasar
analog yang tersiam.
Pengolahan data spasial dalam SIG oleh Gao (2008) dijelaskan dengan istilah
operasi spasial. Operasi spasial merupakan satu kekuatan yang dimiliki oleh SIG.
Pengambilan kesimpulan atas suatu analisis spasial didasarkan pada operasi-operasi
spasial ini. Operasi spasial mencakup proses-proses spasial sederhana hingga yang
bersifat kompleks dengan melibatkan lebih dari satu data spasial. Operasi spasial
secara umum dibagi menjadi tiga yaitu operasi layer tunggal, operasi layer ganda,
dan transformasi spasial. Operasi layer tunggal adalah operasi yang dilakukan
hanya pada satu layer, sedangkan operasi layer ganda adalah operasi yang
dilakukan dengan melibatkan dua layer atau lebih.
Operasi layer tunggal dilakukan pada satu layer data spasial. Operasi spasial
yang termasuk pada kategori operasi layer tunggal adalah pengubahan, pemilihan,
dan klasifikasi fitur.
a) Pengubahan fitur
Pengubahan fitur meliputi proses penambahan, penghapusan,
penggeseran, pemecahan dan penggabungan, eliminasi, penyatuan objek, dan
buffer. Operasi-operasi tersebut menghasilkan perubahan geometri pada data
spasial yang diolah atau menghasilkan data spasial baru dari hasil proses tersebut.
Operasi pengubahan fitur dilakukan untuk mengubah bentuk fitur pada satu data
spasial yang telah ada. Pengubahan dilakukan dengan proses digitasi ataupun
penyalinan dari obyek lain pada data tersebut. Operasi ini dapat dilakukan terhadap
fitur data bertipe titik, garis ataupun poligon.
74
Gambar 15. Operasi penggabungan fitur
Gambar 15. menunjukkan ilustrasi proses penggabungan fitur. Fitur yang
terpilih ditunjukkan dengan warna kuning. Hasil penggabungan fitur nampak
seperti pada Gambar 15. bagian kanan.
Buffering adalah satu bentuk proses pengubahan fitur yang terotomasi.
Operasi ini menghasilkan satu data baru yaitu bentuk area penyangga (buffer) dari
fitur yang telah ada. Area penyangga dihitung dari posisi obyek fitur yang telah ada
dalam satuan metrik tertentu. Gambar 16. adalah contoh operasi buffer.
b) Pemilihan fitur
Operasi pemilihan merupakan satu operasi yang sering dilakukan dalam SIG.
Operasi ini menjadi satu kekuatan yang sangat bermanfaat bagi SIG. Semua
perangkat lunak SIG memiliki kemampuan operasi ini. Fitur pada operasi ini pada
umumnya mudah dioperasikan dan sering dilakukan terutama pada baris data
spasial dengan jumlah yang besar. Operasi pemilihan dengan cara terotomasi akan
menghemat waktu yang signifikan dalam proses analisis spasial. Modul operasi
pemilihan menjadi satu modul standar pada semua perangkat lunak SIG.
Operasi pemilihan fitur sering pula disebut sebagai operasi pencarian. Operasi
ini sangat membantu apabila data spasial yang diolah memiliki jumlah rekord yang
besar. Proses ini juga akan sangat membantu apabila pencarian didasarkan pada
proses multi kondisi. Kecepatan proses pada beberapa perangkat lunak SIG sangat
dipengaruhi oleh besarnya data dan tipe data spasial tersebut.
Operasi pemilihan fitur dilakukan melalui ekspresi logikal pada tabel atribut
ataupun menggunakan perangkat graphical user interface (GUI). Operasi logikal
dilakukan dengan memberikan input dalam bentuk perintah logikal pada perangkat
lunak. Operasi pemilihan dengan menggunakan ekspresi logikal pada umumnya
dilakukan terhadap perangkat database atau tabel atribut data spasial. Hasil
pemilihan fitur akan memberikan luaran dengan penandaan warna tertentu pada
baris basis data dan fitur GUI.
Pemilihan dengan menggunakan GUI dapat dilakukan secara interaktif pada
perangkat visual. Proses pemilihan fitur akan saling berkaitan antara GUI dengan
tabel atributnya. Pemilihan fitur melalui GUI akan memberikan pemilihan pada
tabel atribut, demikian sebaliknya, pemilihan pada tabel atribut akan memberikan
pemilihan pada fitur GUI. Gambar 17. merupakan contoh dari hasil proses
pemilihan fitur melalui perangkat GUI.
76
Gambar 17. Operasi pemilihan fitur
Gambar 17. menunjukkan contoh operasi hasil pemilihan fitur. Fitur terpilih
akan ditampilkan dengan warna yang berbeda. Baris rekod pada tabel atribut yang
memiliki keterkaitan topologis dengan fitur yang terpilih juga akan disorot dengan
warna yang berbeda. Hal sebaliknya, jika satu baris rekord pada tabel dipilih maka
fitur pada visualisasi peta akan nampak terpilih dengan simbol warna yang berbeda.
c) Klasifikasi fitur
Operasi klasifikasi pada umumnya didasarkan pada kesamaan atau kelas
interval dari suatu nilai atribut. Operasi klasifikasi banyak dimanfaatkan untuk
menghasilkan peta-peta tematik tertentu. Operasi klasifikasi dapat dilakukan
dengan proses logikal ataupun kategori sederhana menggunakan modul yang telah
tersedia pada perangkat lunak. Operasi klasifikasi aritmetik dapat dilakukan pada
fitur yang memiliki data numeris, sedangkan operasi klasifikasi kategorikal dapat
dilakukan terhadap fitur yang memiliki data baik numeris ataupun karakter.
ii. Operasi layer ganda
Operasi layer ganda dilakukan dengan menggunakan minimal dua layer data
spasial. Operasi ini dapat menghasilkan data spasial baru dengan nilai data yang
berasal dari data-data spasial yang dikenai operasi tersebut. Operasi layer ganda
dibagi menjadi operasi tumpang susun (overlay), analisis kedekatan jarak
(proximity), dan analisis korelasi spasial.
a) Tumpang Susun (overlay)
Operasi tumpang susun secara umum dilakukan pada data bertipe vektor.
Operasi tumpang susun dapat dilakukan pada data bertipe titik dengan poligon,
garis dengan poligon, atau poligon dengan poligon (Bernhardsen, 1992). Operasi
tumpang susun menghasilkan data spasial baru yang memiliki bentuk geometri baru
77
dan data atributal penggabungan kedua data spasial masukan. Gao (2008)
menggambarkan struktur operasi overlay ini sebagai berikut :
Struktur tersebut menunjukkan perlu adanya lebih dari dua layer data spasial
dalam operasi tumpang susun ini. Pada beberapa perangkat lunak SIG, operasi
tumpang susun hanya dapat dilakukan pada dua layer data spasial. Pada kasus
seperti ini, proses tumpang susun dapat dilakukan secara bertahap apabila data
spasial yang digunakan adalah lebih dari dua. Gambar berikut adalah contoh
diagram yang menggambarkan proses tumpang susun dari beberapa data spasial.
78
matematis yang dilakukan dalam pemrosesan data penginderaan jauh seperti pada
gambar berikut.
79
Gambar 20. Operasi pemilihan berbasis layer
Gambar 20. merupakan contoh hasil proses operasi pemilihan berbasis layer.
Fitur yang terpilih didasarkan pada bentuk fitur pada layer lain. Layer poligon
memberikan luaran pilihan terhadap seluruh fitur yang benar-benar berada dalam
poligon. Layer titik memberikan luaran berupa fitur terpilih yang tepat bertumpang
susun dengan titik.
c) Korelasi Spasial
Analisis korelasi spasial banyak digunakan dalam proses pemodelan. Analisis
regresi menggunakan modul scatterplot pada SAGA adalah contoh proses korelasi
spasial. Fotheringham dkk (2000) menyebut operasi ini dengan istilah spatial
regression models. Selain itu, proses formulasi model dapat juga dilakukan melalui
analisis statistik multivariat yang kemudian diaplikasikan dengan operasi
matematis pada perangkat lunak SIG. Beberapa perangkat lunak SIG telah
menyediakan modul-modul untuk operasi korelasi spasial ini. Pengguna dapat
menggunakannya untuk analisis tertentu yang sesuai.
Proses ini dapat dilakukan pada data vektor dengan vektor, vektor dengan
raster atau raster dengan raster. Operasi korelasi spasial vektor dengan vektor atau
vektor dengan raster dapat dilakukan apabila pada data spasial vektor terdapat data
yang bertipe numeris. Sedangkan pada data spasial dengan tipe raster, operasi akan
dapat dilakukan dengan baik. Operasi korelasi spasial ini juga mensyaratkan
sebaran data dari kedua data spasial tersebut adalah sama baik lokasi ataupun sistem
proyeksi yang digunakannya. Ketidaksamaan lokasi akan mengakibatkan
kegagalan proses operasi korelasi spasial ini.
80
Operasi scatterplot dapat dengan mudah diaplikasikan pada data-data spasial
seperti disebutkan di atas. Gambar berikut adalah contoh hasil proses analisis
korelasi spasial yang dilakukan menggunakan scatterplot.
E. RANGKUMAN
Penginderaan jauh adalah ilmu tentang perolehan informasi permukaan bumi
tanpa kontak langsung dengan obyeknya yang dilakukan melalui pendugaan
berbagai parameter dari pengukuran radiasi gelombang elektromagnetik. Tujuan
dari penginderaan jauh adalah untuk mengidentifikasi dan mengkarakterisasi obyek
dimuka bumi, mempertajam pemahaman tentang kondisi permukaan bumi serta
memahami dinamika spasialnya. Penginderaan jauh menggunakan rentang
spektrum tampak hingga inframerah yang terbagi menjadi beberapa saluran sesuai
dengan resolusi spektral sensor. Penginderaan jauh pasif merekam energi
gelombang elektromagnetik yang berasal dari matahari dan di pantulkan oleh obyek
dari muka bumi, sementara itu penginderaan jauh aktif merekam energi pantulan
yang dibangkitkan oleh sensor. Satelit penginderaan jauh pada umumnya memiliki
orbit near polar. Hasil perekaman satelit penginderaan jauh tersebut terrekam pada
data citra. Karakteristik citra dicirikan oleh resolusi spasial, spektral, radiometrik
dan temporalnya.
Banyak pengertian tentang SIG. Satu pengertian tentang SIG tersebut adalah
sistem yang secara garis besar terdiri dari serangkaian perangkat keras dan lunak
serta data spasial sebagai sumber informasinya. Sistem ini mengintegrasikan
perangkat keras, perangkat lunak, dan data spasial untuk perolehan, pengelolaan,
analisa, dan menampilkan berbagai bentuk informasi berreferensi geografis. Data
spasial ini merupakan data pokok yang diolah dalam SIG. Data spasial ini
merupakan penyederhanaan dan representasi dari dunia nyata yang diwujudkan
dalam objek-objek kartografis, dimana objek ditunjukkan dalam bentuk, ukuran,
warna, dan skala yang berbeda sesuai dengan keperluan dan tujuannya. Data spasial
digital ada dalam bentuk vektor dan raster. Pengolahan data spasial dilakukan
melalui operasi-operasi spasial. Operasi spasial terdiri dari operasi layer tunggal
dan operasi layer ganda. Operas layer tunggal berupa pengubahan fitur, pemilihan
82
fitur, dan klasifikasi fitur. Operasi layer ganda terdiri dari tumpang susun,
kedekatan jarak, dan korelasi spasial. Operasi spasial lainnya adalah transformasi
spasial yang terdiri dari proses digitasi, generalisasi, dan proyeksi.
F. TES FORMATIF
1. Analisis bencana longsor memerlukan informasi terkait kemiringan lereng
dan kekasaran permukaan lahan, maka sangat diperlukan data dari citra
a. Landsat 8 OLI
b. Landsat 7 ETM+
c. Ikonos
d. Quickbird
e. ASTER GDEM
2. Citra multispektral 542 Landsat 8 OLI menunjukkan adanya warna merah
dengan rona cerah, tekstur kasar, berasosiasi dengan kelurusan memanjang
samar. Kondisi tersebut menunjukkan interpretasi sebagai
a. perkotaan padat tinggi
b. area pertanian dengan tanaman palawija kerapatan jarang
c. perairan dengan aktivitas pertanian tambak
d. hutan lebat di area lereng pegunungan
e. permukiman penduduk dengan kepadatan rendah.
3. Data hasil survey koordinat GPS dapat dimasukkan dalam SIG melalui
a. digitasi
b. penyiaman
c. impor data
d. plotting
e. editing
4. Perhitungan biaya pemulihan kerusakan gedung oleh akibat gempa pada
suatu kecamatan memerlukan citra
a. Sentinel
b. Landsat 8 OLI
c. SPOT
d. MODIS
e. Quickbird
5. Perhitungan luas area pembebasan lahan untuk pelebaran jalan dapat
ditentukan dengan mudah menggunakan metode
a. digitasi
b. overlay
c. networking
d. klasifikasi
e. buffer
83
Pendalaman Materi : Geografi
No Kode : DAR2/Profesional/207/1/2019
Modul 1 :
PERPETAAN, PENGINDERAAN JAUH,
DAN SISTEM INFORMASI GEOGRAFIS
Kegiatan Belajar 3 :
Pemanfaatan Penginderaan Jauh dan Sistem Informasi Geografis
untuk Pengelolaan Sumberdaya, Mitigasi, dan Pembangunan Wilayah
85
Modul 1 :
Perpetaan, Penginderaan Jauh, dan Sistem Informasi Geografis
Kegiatan Belajar 3:
Pemanfaatan Penginderaan Jauh dan Sistem Informasi Geografis
Untuk Pengelolaan Sumberdaya, Mitigasi, Dan Pembangunan Wilayah
A. PENDAHULUAN
Penginderaan jauh dan sistem informasi geografis telah banyak
diaplikasikan dalam berbagai bidang pembangunan pada saat ini. Penginderaan
jauh dan SIG memiliki kemampuan yang dapat saling melengkapi. Kombinasi dari
kedua metode ini terbukti memiliki kemampuan yang handal dan memberikan
hasil yang baik dalam berbagai kajian. Modul ini menjelaskan tentang sinergi
metode penginderaan jauh dan sistem informasi geografis, aplikasi untuk kajian
sumber daya, mitigasi bencana, dan perencanaan wilayah dan lingkungan.
PETUNJUK BELAJAR
• Bacalah modul ini sebaik-baiknya dengan cermat
• Jika diperlukan saudara boleh mencari informasi tambahan sesuai dengan
materi dalam modul ini
• Setelah membaca kerjakan latihan soal pada bagian akhir modul ini.
Saudara harus mendapatkan skor minimal 70. (minimal 7 soal harus dijawab
dengan benar)
• Jika belum tuntas dalam belajar modul ini, jangan beralih ke modul
berikutnya
B. CAPAIAN PEMBELAJARAN
Dalam substansi keilmuan, setiap guru geografi wajib menguasai
pengetahuan geografi yang setara dengan pengetahuan geografi yang dikuasai oleh
Sarjana Geografi.
86
D. URAIAN MATERI : Pemanfaatan Penginderaan Jauh Dan Sistem
Informasi Geografis Untuk Kajian Lingkungan Dan Pembangunan
Wilayah
89
2. Pemanfaatan PJ dan SIG untuk Pengelolaan Sumber Daya
a. PJ dan SIG untuk analisis sumber daya lahan
Bapak – Ibu peserta PPG yang terhormat, pada bagian ini akan dicontohkan
pemanfaatan penginderaan jauh dan sistem informasi geografis untuk analisis
potensi sumber daya lahan. Pemahaman tentang lahan di sekitar kita tentu sangat
penting untuk pemeliharaan lingkungan dan pembangunan wilayah tersebut.
Analisis potensi sumber daya lahan telah banyak dilakukan oleh para peneliti dan
memberikan informasi yang sangat bermanfaat. Beberapa hasil kajian tentang
sumberdaya lahan ini diantaranya adalah oleh Golmehr (2009), Teotia dkk (2010),
Boori dan Vozenilek (2014), Mosleh dkk (2015), Mansaray dkk (2017), dan
Somvanshi dkk (2018).
Kajian terkait sumber daya lahan banyak membicarakan tentang potensi lahan
untuk keperluan tertentu seperti pengembangan potensi lahan dan budidaya,
pengembangan wilayah, dan pemeliharaan lingkungan. Pendekatan yang dilakukan
adalah dengan mengkaji berbagai faktor pendukung dan pembatas lahan untuk
tujuan tertentu tersebut dengan mendasar pada data penginderaan jauh. Faktor
pendukung dan pembatas yang diturunkan dari data penginderaan jauh adalah
faktor yang bersifat karakteristik fisik lahan seperti kondisi morfologi, jaringan
drainase alamiah, aksesibilitas, dan tutupan / penggunaan lahan yang ada saat itu.
Faktor lain yang bersifat non fisik dapat diolah dengan menggunakan perangkat
sistem informasi geografis. Kesimpulan yang dihasilkan secara umum berupa
rekomendasi ataupun skenario-skenario manajemen lahan tersebut.
Prosedur yang dilakukan untuk mendapatkan data sumberdaya lahan dari data
penginderaan jauh dapat dilihat pada metodologi yang dilakukan oleh peneliti yang
disebutkan di atas. Kajian-kajian yang dilakukan oleh peneliti tersebut seluruhnya
mendasarkan pada data penginderaan jauh seperti data Landsat 7 ETM, SPOT, dan
Sentinel. Data penginderaan jauh diturunkan menjadi informasi tutupan vegetasi
yang kemudian didetilkan hingga jenis tanaman pertanian tertentu. Panjang
gelombang yang banyak dimanfaatkan adalah saluran merah dan inframerah,
mengingat saluran ini memiliki rentang nilai pantulan yang berbeda jauh.
90
Karakteristik spektral ini sangat bermanfaat untuk mengkaji kondisi tutupan dan
pengunaan lahan dari sebuah data citra penginderaan jauh. Aplikasi sering
dilakukan dalam bentuk analisis terhadap citra indeks vegetasi. Oleh karena itu,
citra indeks vegetasi dalam berbagai varian formulasinya sering diaplikasikan untuk
mendapatkan informasi untuk tujuan-tujuan ini.
Klasifikasi beracuan
Koreksi
Penilaian hasil
Gambar 1. Alur pengolahan data untuk analisis lahan. Sumber ( Teotia dkk, 2010)
91
Gambar berikut adalah contoh satu hasil pengolahan citra untuk analisis sumber
daya lahan yang dilakukan oleh Boori dan Vozenilek (2014). Prosedur yang
dilakukan hampir serupa dengan yang dilakukan oleh Teotia dkk (2010).
Gambar 2. Pola perubahan penutup lahan hasil pengolahan data citra penginderaan jauh.
Sumber : Boorio dan Vozenilek (2014)
Citra tersebut menunjukkan pola perubahan penutup lahan di wilayah
penelitian yang dilakukan oleh Boori dan Vozenilek (2014) dengan mendasarkan
pada citra multi temporal. Ananilis dilakukan dengan menggunakan metode
klasifikasi. Hasil penelitian menunjukkan bahwa beberapa area menunjukkan
penutup lahan yang tetap dan beberapa lokasi lain menunjukkan adanya dinamika
perubahan penutup lahan. Berdasar citra tersebut dapat diidentifikasi lokasi, pola
persebaran, dan pola perubahan penutup lahan antar waktu. Informasi ini menjadi
dasar pengelolaan lahan di wilayah tersebut. Penambahan informasi non fisik pada
data penginderaan jauh tersebut memberikan petunjuk penyebab dari perubahan
yang terjadi. Temuan yang dihasilkan dalam penelitian ini menunjukkan bahwa
pertumbuhan jumlah penduduk merupakan pemicu utama meningkatnya kebutuhan
lahan. Temuan ini dihasilkan setelah dilakukan analisis dengan menambahkan data
pertumbuhan penduduk di wilayah penelitian.
92
b. PJ dan SIG untuk analisis sumber daya air
Bapak-Ibu peserta PPG yang terhormat, penelitian terkait sumber daya air
berbasis data penginderaan jauh sering ditujukan untuk mengidentifikasi area
imbuhan (recharge) dan area pengatus (discharge). Hingga saat ini banyak terdapat
penelitian terkait sumber daya air dengan mengaplikasikan data penginderaan jauh
dan sistem informasi geografis. Aplikasi penginderaan jauh dan sistem informasi
geografis yang berkaitan dengan sumber daya air diantaranya dilakukan oleh
Leblanc dkk (2003) dan Solomon dan Quiel (2008).
Leblanc dkk (2003) membangun model spasial untuk mengidentifikasi area
masukan (recharge) dan keluaran (discharge) air tanah. Data yang digunakan adalah
peta-peta tematik dan data penginderaan jauh. Data penginderaan jauh yang
digunakan adalah data citra AVHRR/LAC dan citra thermal Meteosat. Kedua data
penginderaan jauh ini digunakan untuk merekam pancaran termal dari lingkungan
air dan tidak berair. Dasar asumsi yang digunakan adalah terdapat perbedaan
nilai termal antara tubuh air dengan perairan basah di sekitarnya. Hasil
observasi menunjukkan adanya perbedaan secara nyata antara area yang berair
dengan tidak berair. Teknik digitasi digunakan untuk pembentukan peta digital dari
peta-peta analog melalui perangkat SIG. Digitasi dilakukan menggunakan metode
digitasi onscreen. Model memanfaatkan metode perbandingan data antar waktu
untuk mengetahui fluktuasi dari air permukaan. Analisis ini menunjukkan area
tutupan air seperti pada Gambar 3 berikut.
Gambar 3. Rona gelap ditunjukkan area tubuh air dan area perairan bervegetasi pada
saluran thermal citra AVHRR/LAC dan Meteosat (sumber : Leblanc dkk, 2003)
93
Gambar 3. menunjukkan sebaran area bertutupan air dan perairan bervegetasi.
Area tubuh air dan area perairan bervegetasi nampak lebih gelap dibandingkan area
lahan kering. Area yang cerah adalah area lahan kering diluar tubuh air. Hasil
penelitian menunjukkan bahwa model ini mampu memperjelas lokasi masukan
(recharge) dan keluaran (discharge) air tanah pada basin tersebut. Lokasi recharge
ditunjukkan dengan area yang secara temporal selalu gelap.
Kajian lain terkait sumber daya air adalah oleh Solomon dan Quiel (2008).
Peneliti ini melakukan kajian terkait air tanah karst dengan memanfaatkan
penginderaan jauh, sistem informasi geografis dan observasi lapangan. Analisis
didasarkan pada data-data raster yang berasal dari data penginderaan jauh, DEM,
dan data lapangan. Data penginderaan jauh sebagai data dasar yang digunakan
adalah citra mutispektral Landsat TM dan SPOT 5. Citra ini digunakan untuk
pemetaan litologi dan kelurusan. Dasar asumsi yang digunakan untuk penentuan
area potensi imbuhan dan pengatusan adalah bahwa area tersebut muncul pada
lokasi sesar, atau pada area pertemuan suatu formasi batuan. Area ini dapat
diidentifikasi melalui data penginderaan jauh baik melalui analisis visual ataupun
digital.
Berdasar asumsi tersebut, maka ide pokok dari prosedur yang dilakukan
dalam penelitian ini adalah memperoleh informasi batuan dan visualisasi kelurusan
sebagai representasi area sesar melalui data penginderaan jauh. Fitur batuan diarea
penelitan dianalisis melalui prosedur digital berbantuan perangkat lunak pengolah
citra dan GIS. Prosedur PCA diaplikasikan untuk mereduksi dimensionalitas dan
meningkatkan ketajaman informasi dari data citra Landsat TM. PCA mengurangi
redudansi informasi dari data yang dapat mengakibatkan kesalahan interpretasi.
Selanjutnya penajaman visualisasi data citra dilakukan dengan perentangan kontras
model Gaussian. Model penajaman ini digunakan untuk meningkatkan kontras pada
visualisasi citra tersebut. Peta litologi hasil interpretasi dari citra tersebut
selanjutnya dilengkapi dengan data observasi lapangan dan dimasukkan pada
sistem informasi geografis. Informasi dari observasi lapangan digunakan untuk
memperbaiki kesalahan interpretasi batuan yang telah dilakukan pada tahapan
94
sebelumnya. Hasil dari interpetasi fitur batuan menghasilkan peta sebaran batuan
diarea penelitian. Peta tersebut nampak seperti pada Gambar 4 berikut.
95
perangkat lunak SIG. Interpretasi kelurusan menghasilkan peta kelurusan seperti
pada Gambar 5.
Gambar 5. Peta kelurusan berdasar citra PJ. Sumber : Solomon dan Quiel (2008)
96
c. PJ dan SIG untuk analisis sumber daya mineral
Parameter yang digunakan sebagai dasar kajian adalah sifat spektral mineral,
sifat magnetik, dan karakteristik geologisnya. Sifat spektral mineral dan lingkungan
geologi dapat diturunkan citra optik. Sifat spektral mineral dapat dianalisis melalui
model matematis menjadi suatu citra indeks. Sementara itu kondisi geologi dapat
dianalisis melalui analisis digital dan visual. Sedangkan sifat magenik diturunkan
dari data citra satelit geodetik. Parameter yang dapat dimanfaatkan diantaranya
adalah gaya berat dan medan magnet.
PJ
Ranah Kajian
SIG
98
Diagram alir tersebut menunjukkan bahwa data dasar yang digunakan dalam
pembuatan model identifikasi mineral tembaga oleh Julzarika (2018) adalah
didasarkan pada data citra Landsat, ALOS Palsar, SRTM, XSAR dan Geodetik.
Citra Landsat digunakan sebagai dasar identifikasi lokasi tambang, kondisi tutupan
lahan, dan identifikasi alterasi hidrotermal. Citra ALOS Palsar digunakan untuk
menurunkan informasi formasi geologi. Data ini bersama dengan citra SRTM
dimanfaatkan untuk menghasilkan DEM yang selanjutnya digunakan untuk
menghasilkan infromasi struktur geologi. Citra Geodetik dimanfaatkan untuk
menghasilkan informasi medan magnet, geodinamika, densitas, dan gaya berat.
Hasil identifikasi keberadaan mineral tembaga di NTB berdasar model yang
dihasilkan dalam penelitian ini adalah seperti pada Gambar 7 berikut.
99
3. Pemanfaatan PJ dan SIG untuk Mitigasi Bencana
a. PJ dan SIG untuk mitigasi bencana banjir
Bapak-Ibu peserta PPG yang terhormat, seperti telah kita ketahui bersama
bahwa banjir adalah bencana yang sering terjadi dan memberikan dampak yang
dapat merusak pada kehidupan manusia ataupun lingkungan. Potensi banjir akan
terus meningkat sejalan dengan semakin sempitnya lahan penyerap air permukaan
dan memburuknya sistem drainase. Perubahan iklim yang terjadi secara global
meningkatkan potensi terhadap kejadian banjir. Sistem informasi geografis dan data
penginderaan jauh banyak dimanfaatkan dalam kajian mitigasi bencana banjir.
Ouma dan Tateishi (2014) menggunakan sistem informasi geografis
mengkaji banjir perkotaan dengan dasar kondisi topografi dan morfometri lahan
perkotaan. Kondisi tersebut diurai menjadi parameter elevasi, kemiringan lereng
(slope), tanah, curah hujan, jaringan drainase, dan penggunaan lahan. Data-data
tersebut selanjutnya oleh Ouma dan Tateishi (2014) dianalisis melalui prosedur
AHP menggunakan perangkat sistem informasi geografis.
Elevasi
Slope
Jaringan
drainase Peta
Overlay kerentanan
banjir
Penggunaan Kriteria Sosio perkotaan
lahan Ekonomis
Area
Pembatas
penelitian
Keterkaitan parameter dalam kajian ini terkait kriteria fisik dan sosio
100
ekonomis ditunjukkan seperti pada Gambar 8. Parameter tersebut dinilai sebagai
parameter yang penting dan memberikan pengaruh terhadap kejadian banjir
perkotaan. Data parameter elevasi, slope dan jaringan drainase diturunkan dari data
DEM. Perkembangan pada saat ini, model elevasi digital dapat diturunkan dari data
penginderaan jauh seperti citra satelit ASTER dan SRTM.
Elevasi dan slope memiliki peran yang penting terhadap kejadian banjir.
Genangan akan terjadi pada titik-titik yang memiliki elevasi rendah. Informasi
lokasi yang memiliki elevasi rendah dapat diidentifikasi melalui data model elevasi
digital (DEM). Beda tinggi tempat menghasilkan informasi kekasaran permukaan
lahan. Lahan yang memiliki kekasaran tinggi lebih memungkinkan terjadinya
infiltrasi dibandingkan permukaan yang halus. Infiltrasi mengurangi potensi jumlah
air yang jatuh menjadi air larian permukaan lahan.
Kemiringan lereng atau slope berperan terhadap kontrol kecepatan air larian
permukaan, arah larian, dan jumlah air larian permukaan dan bawah permukaan
yang sampai ke lokasi banjir. Air secara gravitasional akan bergerak ke tempat yang
lebih rendah dengan kecepatan yang dipengaruhi oleh besar kecilnya kemiringan
lereng. Kemiringan lereng yang landai merupakan kondisi yang lebih peka terhadap
banjir. Kecepatan air mengalir pada permukaan dengan kemiringan lereng yang
rendah akan relatif lambat, sehingga kecepatan pengatusan tempat tersebut menjadi
rendah.
Jenis tanah memiliki peran yang besar terhadap kemampuan infiltrasi. Tanah
pasir memiliki kemampuan infiltrasi yang tinggi dibandingkan dengan tanah
lempung. Tanah pasir memiliki rongga antar butir yang lebih besar. Rongga ini
membentuk ruang yang dapat digunakan sebagai jalur penyerapan air ke dalam
tanah. Seperti disebutkan di muka, bahwa infiltrasi akan mengurangi jumlah air
larian permukaan yang akan menjadi banjir.
Curah hujan merupakan faktor utama penyebab banjir. Curah hujan dengan
intensitas yang tinggi akan secara langsung memicu terjadinya banjir. Curah hujan
dengan intensitas tinggi dan durasi yang lama dapat mengakibatkan peningkatan
jumlah air di permukaan. Pada saat ini, sejalan dengan fenomena perubahan iklim
sering terjadi hujan dengan intensitas yang tinggi.
101
Kepadatan jaringan drainase memberikan peran terhadap tingkat erosi
permukaan pada lahan. Dengan demikian semakin tinggi tingkat kepadatan
drainase akan memberikan potensi yang lebih tinggi terhadap hilangnya tanah
permukaan. Kehilangan tanah permukaan akan mengurangi kemampuan infitrasi,
terutama jika telah mencapai lapisan batuan dasar.
Penggunaan lahan dan penutup lahan juga merupakan satu kontrol terhadap
stabilitas tanah dan infiltrasi. Penutupan vegetasi memiliki kemampuan yang lebih
besar dalam menahan air permukaan dan meningkatkan infiltrasi dibandingkan
lahan dengan terbangun.
Gambar 9. Peta kerentanan banjir hasil analisis AHP. Sumber : Ouma dan Tateishi (2014)
102
b. PJ dan SIG untuk mitigasi bencana kekeringan
Data citra pokok yang digunakan adalah citra AVHRR hasil perekaman
selama musim penghujan. Citra selanjutnya ini diturunkan menjadi beberapa citra
NDVI . Nilai spektral indeks vegetasi menjadi dasar perhitungan fluktuasi kondisi
vegetasi antar waktu. Anomali nilai NDVI antar waktu digunakan sebagai dasar
identifikasi penyimpangan kondisi tutupan vegetasi. Kondisi dinyatakan
kekeringan pada saat dimana terjadi anomali nilai NDVI dari nilai rerata NDVI
antar waktu. Formulasi nilai anomali NDVI adalah sebagai berikut.
𝑁𝐷𝑉𝐼max(𝑖) − ̅̅̅̅̅̅̅̅̅̅̅
𝑁𝐷𝑉𝐼𝑚𝑎𝑥
𝑁𝐷𝑉𝐼𝑎𝑛𝑜𝑚𝑎𝑙𝑦(𝑖) = 𝑥100%
̅̅̅̅̅̅̅̅̅̅̅
𝑁𝐷𝑉𝐼𝑚𝑎𝑥
Keterangan :
NDVI anomali : nilai anomali NDVI
NDVI max : nilai maksimal rerata NDVI
NDVI max : nilai NDVI maksimal
105
diformulasikan sebagai berikut.
A = R x K x LS x C x P
Keterangan :
A : Kehilangan tanah per tahun
R : erosivitas curah hujan
K : faktor erodibilitas
LS : kemiringan dan panjang lereng
C : faktor pengelolaan lahan
P : nilai pengelolaan lahan
Prosedur yang dilakukan dalam penelitian ini adalah seperti pada diagram
alur berikut.
Gambar 12. Diagram alur penilaian risiko erosi. Sumber : Kefi dkk (2011)
Data curah hujan dihitung dan diekstrapolasi menjadi data peta curah hujan.
Data ini menjadi fakor R pada prosedur kerja tersebut. Citra satelit Landsat
106
dilakukan proses klasifikasi dan indek. Hasil pengolahan citra ini menghasilkan
peta tutupan lahan dan peta penggunaan lahan. Kedua peta ini menjadi faktor C
pada prosedur tersebut. Data observasi tanah di ekstrapolasikan menjadi peta
litofasies. Peta ini selanjutnya menjadi faktor K dari prosedur kerja tersebut. Citra
GDEM Aster diolah menjadi peta kemiringan lereng dan sekaligus menjadi faktor
LS dalam prosedur tersebut. Faktor P atau pengelolaan lahan diberi nilai tetapan
satu, sehingga tidak perlu dipetakan. Proses dilakukan secara digital menggunakan
perangkat lunak SIG. Perhitungan dalam kajian ini menghasilkan sebaran tingkat
erosi seperti dalam Gambar 13. berikut.
Gambar 13. Peta kehilangan tanah menggunakan metode RUSLE berdasar data citra
penginderaan jauh dan SIG. Sumber: Kefi dkk (2011)
107
dengan warna gelap. Area dengan tingkat erosi yang tinggi tersebar meluas di
bagian utara wilayah penelitian. Tingkat erosi tinggi di wilayah selatan membentuk
alur-alur memanjang lembah dan gully. Sebaran erosi tersebut menunjukkan
pengaruh topografi dan faktor pengelolaan lahan terhadap tingkat erosi tanah yang
terjadi diwilayah penelitian.
111
b. PJ dan SIG untuk perencanaan area pertanian
112
Formulasi yang digunakan dalam perhitungan ini adalah sebagai berikut.
Y = ai.Xn
Keterangan
Y : Jumlah nilai total kesesuaian lahan
Ai : bobot
Xn : harkat
Nilai bobot dari masing-masing parameter didasarkan pada nilai penting tiap
parameter tersebut terhadap tambak. Bobot dan harkat dari masing-masing
parameter dapat dilihat pada Tabel 3 berikut.
Jarak dari laut memiliki bobot paling tinggi karena lokasi tambak untuk udang
dalam penelitian ini yang ideal adalah berada di dekat laut. Tekstur tanah kasar
berpasir dinilai merupakan hal yang penting karena tekstur yang kasar akan
memiliki kekuatan yang baik bagi konstruksi tambak ini. Seluruh parameter
dipetakan dan dibobot sesuai dengan nilai pada tabel tersebut. Hasil overlay dari
seluruh parameter menghasilkan satu peta kesesuaian lahan tambak udang. Peta
kesesuaian dibagi menjadi tiga kelas, yaitu kelas I (S1/Sesuai, jika nilai > 240 ), II
(S2/Cukup Sesuai, jika nilai 170 - 240), dan III (N/Tidak sesuai, jika nilai < 170).
113
c. PJ dan SIG untuk kajian kesehatan lingkungan
114
memadai untuk perekaman pancaran termal permukaan bumi. Kelembaban
diperlukan untuk berkembangbiaknya larva nyamuk malaria ini. Beberapa citra
indeks seperti indeks vegetasi dapat digunakan sebagai penduga tingkat
kelembaban perlukaan lahan.
Permukaan air adalah tempat berkembangbiaknya nyamuk malaria, sehingga
indentifikasi terhadap sebaran permukaan air sangat diperlukan dalam identifikasi
sumber vektor malaria. Identifikasi tutupan air dapat di lakukan dengan saluran
inframerah. Saluran ini akan terserap habis oleh tubuh air, sehingga akan
memberikan warna yang kontras dengan lahan kering di sekitarnya. Kombinasi dari
parameter-parameter tersebut di atas dapat dijadikan dasar identifikasi area
perkembangbiakan vektor dan parasit malaria. Gambar 15. berikut menunjukkan
area lahan basah dengan kelembaban tinggi yang memungkinkan menjadi area
perkembangbiakan nyamuk malaria
Gambar 15. Klasifikasi citra SPOT 4 Xi. Sumber : Ceccato dkk (2005)
115
E. RANGKUMAN
116
Pendalaman Materi : Geografi
No Kode : DAR2/Profesional/207/1/2019
Modul 1 :
PERPETAAN, PENGINDERAAN JAUH,
DAN SISTEM INFORMASI GEOGRAFIS
Kegiatan Belajar 4 :
Pemanfaatan Penginderaan Jauh dan Sistem Informasi Geografis
untuk Tata Guna Lahan dan Perkotaan
119
Modul 1:
Perpetaan, Penginderaan Jauh, dan Sistem Informasi Geografis
Kegiatan Belajar 4:
Pemanfaatan PJ dan SIG untuk Tata Guna Lahan dan Perkotaan
A. PENDAHULUAN
Bapak-Ibu yang terhormat, peserta PPG sekalian. Selamat bergabung dalam
pembelajaran kita dengan tema umum Perpetaan, Penginderaan Jauh, dan Sistem
Informasi Geografis. Bagian ini merupakan kegiatan belajar keempat dengan tema
Pemanfaatan Penginderaan Jauh dan Sistem Informasi Geografis untuk Tata
Guna Lahan dan Perkotaan
Seperti telah Bapak-Ibu ketahui, bahwa penginderaan jauh dan sistem informasi
geografis pada saat ini banyak diaplikasikan dalam berbagai analisis. Pada bagian
ini diulas tentang pemanfaatan teknologi tersebut untuk analisis tata guna lahan dan
perkotaan. Pemahaman tentang materi ini akan memberikan gambaran tentang
bagaimana kedua teknologi tersebut diaplikasikan di lingkungan kita sehari-hari.
Petunjuk belajar :
• Bacalah modul ini sebaik-baiknya dengan cermat
• Jika diperlukan saudara boleh mencari informasi tambahan sesuai dengan
materi dalam modul ini
• Setelah membaca kerjakan latihan soal pada bagian akhir modul ini.
Saudara harus mendapatkan skor minimal 70. (minimal 7 soal harus dijawab
dengan benar)
• Jika belum tuntas dalam belajar modul ini, jangan beralih ke modul
berikutnya
B. CAPAIAN PEMBELAJARAN
Dalam substansi keilmuan, setiap guru geografi mampu menganalisis hakekat dan
literasi informasi geografi.
C. SUB CAPAIAN PEMBELAJARAN
Peserta memiliki pengetahuan dan keterampilan dalam mengolah data geografis
tersebut melalui penginderaan jauh dan sistem informasi geografis.
120
D. URAIAN MATERI : Pemanfaatan Penginderaan Jauh dan Sistem
Informasi Geografis untuk Tata Guna Lahan dan Perkotaan
1. Penginderaan Jauh dan SIG untuk Tata Guna Lahan
121
bukti yang sahih dalam perolehan informasi yang lebih detil dari suatu informasi
tutupan lahan.
Analisis penggunaan lahan sering memanfaatkan data citra penginderaan jauh
dalam berbagai resolusi spasial maupun spektral serta temporal. Data citra
penginderaan jauh yang digunakan ditentukan oleh skala dan tujuan analisis
penggunaan lahan tersebut. Data citra pada resolusi spasial tinggi digunakan untuk
mendapatkan informasi penggunaan lahan pada skala detil. Sebaliknya, data
resolusi spasial menengah hingga rendah digunakan untuk analisis pada skala kecil.
Analisis penggunaan lahan multi temporal memanfaatkan data citra dengan
perulangan perekaman pada periode tertentu. Analisis multi temporal ini
menghasilkan analisis perubahan bentuk penggunaan lahan antar waktu. Analisis
ini sangat bermanfaat dalam kajian kewilayahan dan perencanaan tata guna lahan.
122
Pantulan spektral meningkat secara drastis pada rentangan spektral antara 0.65
hingga 0.76 µm. Zona rentangan spektral pada pola spektral vegetasi ini disebut
dengan istilah titik batas merah (red edge point). Pemanfaatan zona rentang red
edge point ini sangat bermanfaat untuk perekaman tutupan vegetasi di permukaan
bumi. Berbagai indeks vegetasi seperti NDVI, EVI, PVI, dan lain-lain
memanfaatkan saluran pada kisaran panjang gelombang ini, yaitu dengan
memadukan saluran merah dan inframerah dekat pada satu ruang data spektral citra.
Pantulan spektral yang rendah pada spektrum biru dan merah disebabkan karena
vegetasi menyerap banyak energi pada kedua spektrum tersebut. Pada rentangan
spektrum infra merah dekat, yang juga merupakan bagian kedua dari karakteristik
pola spektral vegetasi, memiliki pantulan spektral yang relatif tinggi. Pantulan
spektral yang tinggi ini terrentang antara 0.76 – 1.35 µm. Selanjutnya pada
rentangan 1.35 – 2.7 µm pantulan spektral dipengaruhi oleh struktur internal daun.
Faktor pengaruh yang dominan terhadap pengurangan nilai pantulan spektral pada
rentangan 1.35 – 2.7 µm ini adalah banyak sedikitnya kandungan air pada lembar
daun tersebut serta kandungan air di atmosfer (de Jong, 2004).
Indek vegetasi merupakan nilai perbandingan spektral vegetasi dan spektral
tanah pada saluran inframerah dan saluran merah. Perbandingan spektral dari indek
vegetasi menunjukkan nilai yang tinggi pada piksel dengan unsur tutupan vegetasi
yang padat dan bernilai rendah pada piksel dengan unsur tutupan vegetasi yang
jarang. Indeks vegetasi telah banyak digunakan dalam berbagai penelitian tentang
vegetasi skala global. Indeks Vegetasi dapat secara efektif digunakan untuk
pemetaan kekeringan, penggurunan (penyingkapan ) dan penggundulan hutan
(Horning, 2004). Contoh indek vegetasi adalah Normalized Difference Vegetation
Index (NDVI), Simple Ratio (SR), Soil Adjusted Vegetation Index (SAVI),
Perpendicular Vegetation Index (PVI), dan Enhanced Vegetation Index (EVI).
NDVI banyak diaplikasikan dalam perhitungan kandungan biomasa hijau, klorofil,
dan lain-lain. NDVI sangat baik diaplikasikan pada lahan dengan tutupan lahan
yang tidak terlalu jarang dan tidak terlalu padat vegetasi (Schowengerd, 2007).
Indeks vegetasi NDVI memanfaatkan data saluran merah dengan inframerah. Pada
citra Landsat 8 OLI, saluran merah adalah band 4, dan saluran inframerah adalah
123
band 5. Sedangkan pada citra Landsat 7 ETM saluran merah adalah band 3, dan
saluran inframerah adalah band 4. Formula NDVI dapat dilihat pada persamaan
berikut ini.
𝑁𝐼𝑅– 𝑅𝑒𝑑
𝑁𝐷𝑉𝐼 =
𝑁𝐼𝑅 + 𝑅𝑒𝑑
Keterangan :
NIR : Nilai spektral saluran inframerah dekat
Red : Nilai spektral saluran merah
0.2
𝑁𝐼𝑅
𝑆𝑅 =
𝑅𝑒𝑑
Keterangan :
NIR : Nilai spektral saluran inframerah dekat
Red : Nilai spektral saluran merah
𝑁𝐼𝑅 − 𝑅𝑒𝑑
𝑆𝐴𝑉𝐼 = ( ) (1 + 𝐿)
𝑁𝐼𝑅 + 𝑅𝑒𝑑 + 𝐿
Keterangan :
NIR : Nilai spektral saluran inframerah dekat
Red : Nilai spektral saluran merah
L : Koefisien kepadatan vegetasi
125
dengan PVI6 sedangkan PVI yang menggunakan saluran 5 dan 7 dinamai dengan
PVI7.
(𝑁𝐼𝑅 − 𝑅)
𝐸𝑉𝐼 = 𝐺 ∗ [ ]
(𝑁𝐼𝑅 + 𝐶1 ∗ 𝑅 − 𝐶2 ∗ 𝐵 + 𝐿)
Keterangan :
G : Gain Factor, G = 2.5
NIR : Nilai spectral saluran Near Infrared
R : Nilai spectral saluran Red
B : Nilai spectral saluran Biru
C1 : Atmosferic Aerosol Resistance, C1 = 6
C2 : Atmosferic Aerosol Resistance, C2 = 7.5
Full Cover
C Permukaan Kering
Pantulan spektral inframerah B
Partial Cover
dekat
D
Tanah Terbuka
A
Permukaan Basah
Gambar 2. Fraksional tutupan lahan pada ruang spektral saluran merah dan
inframerah dekat
Lahan dengan tutupan vegetasi yang padat berada pada sumbu pantulan
spektral inframerah dekat dengan nilai yang tinggi. Kepadatan tutupan lahan
berkurang dengan sejalan dengan pergeseran dari titik C menuju titik D hingga
menyentuh garis tanah (soil line). Piksel yang berada di sepanjang garis tanah (garis
AB) merepresentasikan spektral pantulan tanah dengan berbagai kondisi tingkat
kekeringan.
Adams dan Gillespie (2006) menjelaskan bahwa berbagai proses
dipermukaan bumi yang membentuk bentang lahan dapat teridentifikasi dari sebuah
citra melalui ekspresi bentuk jalur proses spektralnya pada ruang data citra.
Perubahan nilai spektral dapat menggambarkan proses yang berlangsung di
permukaan lahan. Pergerakan vektor spektral di sepanjang garis tanah (soil line)
menunjukkan adanya proses perubahan tingkat kekeringan tanah. Perubahan nilai
indek vegetasi suatu piksel menunjukkan adanya proses perubahan perbandingan
fraksional tutupan vegetasi dengan tanah terbuka (Adams dan Gillespie, 2006),
yang dapat disintesiskan terjadi beberapa kemungkinan proses seperti penanaman
vegetasi atau sebaliknya penghilangan vegetasi tersebut.
127
b. Analisis tanah terbuka
Tanah adalah faktor penting dalam perencanaan pemanfaatan lahan. Tanah
memiliki sifat khas tertentu tergantung pada kondisi tekstur, struktur dan kandungan
mineralnya. Pemahaman lokasi terkait unsur tanah akan memberikan dasar yang
tepat dalam pengambilan kebijakan pengelolaan lahan. Beberapa karakteristik
tanah dapat diturunkan dari data penginderaan jauh. Beberapa karakteristik tersebut
diantaranya adalah tekstur dan permeabilitas tanah.
Tekstur dan permeabilitas tanah sering dikaitkan dengan kandungan material
lempung atau pasir pada tanah. Allen dan Milenic (2007), Lee dkk (2008), dan Robu
(2009) mengklasifikasi permeabilitas tanah penutup karst dengan berdasar pada
perbandingan kandungan material lempung, dan pasir pada tanah. Perbandingan
kandungan material lempung dan pasir memberikan pengaruh terhadap nilai
pantulan spektral tanah (Machanda dkk, 2002). Semakin halus partikel penyusun
butir tanah maka akan semakin halus permukaannya dan semakin banyak energi
elektromagnetik yang dipantulkannya. Peningkatan ukuran partikel mengakibatkan
penurunan nilai pantulan.
Karakteristik dari pantulan spektral tanah memiliki bentuk yang berbalik
dengan pantulan spektral air. Kurva pantulan tanah selalu naik dari spektrum biru
hingga spektrum infra merah. Reflektivitas dari tanah disebabkan oleh keberadaan
material organik, tingkat kelembaban, dan oksida besi pada tanah. Serapan oksida
besi banyak terjadi pada spektrum ultraviolet, sehingga nilai pantulan tanah pada
spektrum tersebut sangat rendah. Kandungan oksida besi juga memberikan
pengaruh terhadap reflektivitas tanah berupa serapan pada rentangan 0.85 hingga
0.93 µm. Sementara serapan oleh kandungan air terjadi pada rentang spektral 1.35
hingga 1.5 µm dan 1.75 hingga 0.95 µm. Pantulan spektral tanah ini cenderung
turun pada rentang spektral di atas 2µm yang diakibatkan biasanya oleh adanya
lempung. Pada rentangan spektrum tampak secara visual nampak oksida besi
mengakibatkan tanah berwarna kemerah-merahan karena serapan terhadap
spektrum yang lebih pendek ataupun lebih panjang dari spektrum merah.
Beberapa sifat tanah seperti kandungan lempung tanah dapat diidentifikasi
melalui data penginderaan jauh pada rentang spektral antara 0.3 µm hingga 2.8µm
128
(Barnes dkk, 2003). Danoedoro (2012) menyebutkan bahwa mineral lempung
memiliki karakteristik serapan pada wilayah spektral 2.2 µm dan pantulan kuat pada
wilayah spektral sekitar 1.6 µm, oleh karena itu indek mineral lempung dapat
dibentuk dari data citra optik sebagai berikut :
Sejalan dengan hal tersebut Liu dan Mason (2009) menyatakan mineral
lempung dapat dipertajam melalui rasio sebagai berikut :
𝑇𝑀5−𝑚𝑖𝑛(𝑇𝑀5)
𝐼𝑛𝑑𝑒𝑘𝑀𝑖𝑛𝑒𝑟𝑎𝑙𝐿𝑒𝑚𝑝𝑢𝑛𝑔 = 𝑇𝑀7−𝑚𝑖𝑛(𝑇𝑀7)+1 .......................... (2.6.)
Keterangan :
∆z : beda tinggi titik grid terrendah dengan titik grid di sekelilingnya (meter).
∆s : jarak antara dua titik (meter)
z1 z8 z7
z2 z0 z6
z3 z4 z5
Grid pada gambar diatas adalah template yang menunjukkan posisi piksel
pada citra yang akan diproses dalam formulasi. Kemiringan lereng pada posisi
piksel z0 akan dihitung berdasar nilai-nilai elevasi pada posisi Z1 hingga Z8.
133
Selanjutnya nilai kemiringan pada posisi z0 dihitung menggunakan
Formulasi 2.5.
𝛿𝑧 2 𝛿𝑧 2
𝑡𝑎𝑛∅ = √(𝛿𝑋) + (𝛿𝑌) ....................................(2.4)
𝛿𝑧
(𝛿𝑌) = [𝑧4 − 𝑧8 ]/2 ∗ ∆𝑌
Keterangan :
∅ : sudut kemiringan
Z2, Z4, Z6, Z8 : nilai elevasi pada posisi z indeks grid template
∆𝑋 , ∆𝑌 : jarak antar titik grid Zn-m dalam aksis X atau Y (meter)
Kekasaran permukaan merupakan variabel yang dapat digunakan untuk
mengidentifikasi dan membedakan bentuk lahan secara individual (Grohmann dkk,
2009). Kekasaran permukaan dapat dipahami sebagai suatu perbandingan area
(ratio area) antara keadaan permukaan medan seperti keadaan sebenarnya
berbanding dengan area datar pada suatu DEM (Jenness, 2004; Grohmann dkk,
2009). Hollaus dkk (2011) menguraikan tiga tingkatan kekasaran permukaan yaitu
tingkat kekasaran mikro (micro-level roughness), tingkat sedang (meso-level
roughness), dan tingkat makro (macro-level roughness). Kekasaran pada tingkat
mikro merupakan kekasaran yang dibentuk oleh parameter penutup lahan dengan
ukuran antara beberapa milimeter hingga sentimeter seperti rumput-rumputan.
Kekasaran pada tingkat sedang dibentuk oleh objek-objek dan vegetasi dengan
ukuran antara beberapa desimeter hingga meter. Sedangkan kekasaran pada tingkat
makro dibentuk oleh fitur medan dan topografi dengan ukuran hingga ratusan
meter.
134
permukaan karst (karst roughness). Grafik visual kekasaran permukaan dapat
dilihat pada Gambar 2.2.
Skala 1: 1500
Kekasaran relatif
Kontur 0.5 m
Pandangan perspektif
Halus
Sedang
Tinggi
Sangat Tinggi
Berdasar pada nilai yang didapat menggunakan template seperti pada Gambar
2.3., selanjutnya formulasi dasar perhitungan indeks kekasaran permukaan adalah
sebagai seperti Persamaan 2.5.
𝑇𝑅𝐼 = (|𝑧(−1,1) | + |𝑧(−1,1) | + |𝑧(−1,1) | + |𝑧(−1,1) | + |𝑧(−1,1) | + |𝑧(−1,1) | + |𝑧(−1,1) | + |𝑧(−1,1) |)/8
Keterangan :
TRI : Topographic Roughness Index
z(-n,n) : nilai piksel
(-n,n) : posisi piksel pada template.
136
2. Penginderaan Jauh dan SIG untuk kajian perkotaan
Perkotaan merupakan wilayah yang dinamis baik secara fisik maupun sosial.
Bentuk dan pergerakan manusia dalam wilayah kota selalu mengalami perubahan
dari waktu ke waktu. Perkembangan fisik kota sering terjadi dengan tidak terkontrol
sejalan dengan perkembangan aktivitas perekonomian masyarakat (Mallouk dkk,
2019). Pengelolaan wilayah perkotaan ini, diperlukan data dan informasi yang
akurat terkait perkembangan fisik kota ini. Satu teknologi yang dapat memberikan
data dan informasi adalah penginderaan jauh dan sistem informasi geografis. Kajian
perkotaan seperti ini telah banyak dilakukan oleh banyak peneliti, diantaranya
adalah Taubenbock (2018), Latha dkk (2019), Mallouk dkk (2019), Xia dkk (2019),
dan Zhu dkk (2019).
Data yang digunakan dalam penginderaan jauh ini bervariasi dari data citra
hingga foto menggunakan wahana drone. Analisis berbasis citra dilakukan pada
kajian pada skala kota besar hingga lingkup antar negara. Latha dkk (2019)
mempetakan karakteristik bangunan perkotaan di kota Andhra Pradesh. Wahana
yang digunakan adalah drone aerial yang dimanfaatkan untuk merekam posisi,
bentuk dan ukuran bangunan. Analisis dilakukan secara dua dan tiga dimensional
yang dibangun dari data-data foto drone tersebut yang dipadukan dengan data
LIDAR. Data LIDAR memberikan informasi bentuk dan tinggi bangunan. Metode
ini dinyatakan mampu memberikan informasi dan gambaran karakteristik bangunan
dalam suatu kota secara cepat dan efisien.
Metode analisis digital dan visual merupakan perpaduan yang teknik yang
cukup andal dalam analisis perkembangan wilayah kota. Metode digital
memberikan informasi karakteristik wilayah kota berdasar analisis spektral.
Metode yang sering digunakan adalah seperti klasifikasi dan operasi aritmetik citra
seperti indeks. Metode digital memiliki kelebihan pada kecepatan proses karena
didasarkan pada sistem komputasi. Pada bagian lain, metode visual memberikan
informasi berdasar kajian secara visual analog analog. Satu bentuk metode visual
adalah interpretasi visual baik dua atau tiga dimensional. Metode ini memiliki
kelebihan pada kesesuaian yang lebih baik terhadap kondisi faktual. Namun
137
demikian nilai subyektivitas dari interpreter sangat berpengaruh pada hasil
interpretasi ini. Metode yang merupakan campuran antara kedua metode tersebut
adalah metode visual digital. Metode ini oleh Suharyadi (2011) disebut sebagai
metode hibrida.
Dimana :
Y : logit perubahan lahan non terbangun menjadi lahan terbangun
X1 : jarak terhadap jalan non-utama
X2 : jarak terhadap jalan utama
X3 : jarak terhadap pusat kegiatan
Temuan ini menunjukkan bahwa semakin dekat jarak ke pusat kota, terjadi
peningkatan kepadatan bangunan yang juga sejalan dengan kemudahan
aksesibilitas pada tempat tersebut. Temuan ini diperkuat oleh temuan dari Wijaya
dan Umam (2015), yang menyatakan bahwa dengan semakin dekat jarak dengan
jalan akan semakin besar perubahan tutupan lahan non terbangun menjadi lahan
terbangun seperti bangunan. Prediksi perkembangan pertumbuhan pemadatan
bangunan dalam kajian ini selanjutnya diprediksi dengan menggunakan persamaan
regresi di atas.
139
Gambar 6. Prediksi perkembangan lahan terbangun kota Yogyakarta tahun 2023.
Sumber : Wijaya dan Umam (2015).
140
b. Analisis kualitas permukiman perkotaan
Keterangan:
HTCitra : Harkat total citra
H.Kpdt : Harkat kepadatan permukiman
H.Tata : Harkat tata letak bangunan
H.Lbrjln : Harkat lebar jalan
H.MsJln : Harkat masuk jalan
H.PhPel : Harkat pohon pelindung
Temuan dari Priyono dkk (2013) menunjukkan terdapat hubungan yang kuat
antara kondisi kualitas permukiman dengan tingkat kesehatan masyarakat. Temuan
tersebut menunjukkan bahwa pada permukiman yang buruk terjadi peningkatan
nilai Incident Rate (IR) atas beberapa jenis penyakit pada lingkungan tersebut.
Beberapa diantara jenis penyakit tersebut adalah DBD, TB, Pneumonia, dan Asma
Bronchial. Penyakit tersebut berjangkit pada kondisi permukiman yang buruk.
142
3. Pengembangan sistem transportasi
145
Selanjutnya penyajian informasi spasial diwujudkan dalam bentuk peta dua
dimensional interaktif.
Beberapa kajian pemanfaatan data penginderaan jauh dan sistem informasi
geografis yang lain untuk pengembangan sarana transportasi ini dilakukan oleh
Fuller dkk (2002), Harman dkk (2002), dan Hermawan dkk (2009). Data
penginderaan jauh yang digunakan pada umumnya adalah data berresolusi tinggi
seperti Quickbird dan ikonos. Citra resolusi tinggi dapat digunakan untuk
identifikasi terhadap geometri jalan, obyek-obyek disekitar jalan, kondisi
perlintasan, dan pemanfaatan lahan di sekitarnya. Pengenalan situasi jalan ini
sangat penting bagi pengembangan sistem transportasi pada jaringan jalan tersebut.
Ketiga kajian yang dicontohkan pada bagian ini memiliki beberapa tujuan yang
berbeda terkait dengan pengembangan sistem transportasi ini. Fuller dkk (2002)
mengembangkan model untuk meningkatkan traficability suatu jaringan jalan.
Proses analisis dilakukan dengan alur sbagai berikut.
147
E. RANGKUMAN
Penginderaan jauh dan sistem informasi geografis banyak diaplikasikan pada
analisis dan perencanaan tata guna lahan dan perkotaan. Data citra penginderaan
jauh multi tingkat dan multi resolusi memberikan potensi terhadap analisis tata guna
lahan secara spektral dan spasial. Analisis tutupan vegetasi, tanah, dan singkapan
batuan banyak memanfaatkan karakteristik spektral dalam bentuk indeks. Indeks
spektral adalah perbandingan nilai spektral dari beberapa saluran spektral.
Perubahan kondisi lahan dilakukan dengan membandingkan nilai indeks spektral
tersebut antar citra yang berbeda waktu perekamannya. Analisis kondisi morfologi
lahan memanfaatkan data elevasi yang diperoleh dari citra GDEM Aster ataupun
SRTM. Analisis morfologi lahan diantaranya adalah kemiringan lereng dan
kekasaran permukaan. Analisis wilayah perkotaan banyak memanfaatkan data citra
berresolusi tinggi seperti Quickbird, Ikonos, dan foto udara serta pencitraan
menggunakan drone. Analisis wilayah perkotaan yang banyak dilakukan adalah
analisis kepadatan perkotaan, kualitas permukiman, dan jaringan transportasi.
Pemanfaatan sistem informasi geografis banyak diaplikasikan pada sistem
transportasi modern.
F. TES FORMATIF
1. Mengapa analisis vegetasi banyak memanfaatkan saluran merah dan
inframerah ?
a. gelombang elektromagnetik saluran merah dirambatkan kuat
b. gelombang elektromagnetik saluran merah diserap habis
c. gelombang elektromagnetik saluran inframerah diteruskan
d. gelombang elektromagnetik saluran inframerah dipantulkan kuat
e. gelombang elektromagnetik saluran inframerah menyerap
2. Bagaimana citra NDVI dapat memberikan gambaran tentang kondisi
kesuburan tanah yang baik
a. Indeks tinggi sehingga tergambar kondisi singkapan tanah yang luas
b. Indeks sedang yang mencerminkan singkapan batuan merata
c. Indeks rendah yang mencerminkan tanaman subur
d. Indeks tinggi yang berkorelasi dengan kandungan klorofil tinggi
e. Indeks sedang yang berkaitan dengan nilai pantulan tanah tinggi
148
H. DAFTAR PUSTAKA
Adams, J.B., Gillespie A.R., 2006. Remote Sensing of Landscape with Spectral
Images – A Physical Modeling Approach, Cambridge University Press, New
York
Aggarwal, 2004. Principle of Remote Sensing, Satellite Remote Sensing and GIS
Application in Agricultural Meteorology, hal. 23 - 38.
Allen, A.R., Milenic, D., 2007. Groundwater vulnerability assessment of the Cork
Harbour area, SW Ireland. Environ. Geol. Vol.53. Hal: 485-492. DOI
10.1007/s00254-007-0670-5
Al-Tamimi, Y.K., George, L.E., Al-Jiboori, M., 2012. Drought risk assessment in
Iraq using remote sensing and GIS techniques, Iraqi journal of science, Vol.
53. No. 4, hal. 1078 -1082.
Aral, M.A., 2010. Environmental modeling and health risk analysis, Springer, Hal.
37-61.
Bakker, A., 2012. Soil texture mapping on a regional scale with remote sensing
data. Thesis, Centre for geo-information, Wageningen University.
Wageningen.
Barnes, E.M., Sudduth. K.A., Hummel, J.W., Lesch, S.M., Corwin, D.L., Yang, C.,
Daughtry, C.S.T., Bausch, W.C., 2003. Remote and ground-based sensor
techniques to map soil properties. Photogrammetric engineering & Remote
sensing, Vol. 69, No. 6, June 2003, hal. 619–630.
Barringer J.R.E., Lilburne, L., 1997. An evaluation of digital elevation models for
upgrading new zealand land resource inventory slope data, Proceedings of
GeoComputation '97, Hal. 15 - 18.
Beck, L.R., Lobitz, B.M., Wood, B.L., 2000, Remote sensing and human health :
new sensor and new opportunities. Perspectives., Emerging Infectious
Diseases, Vol. 6., No. 3., Hal. 217-227.
Bernhardsen, T. 1992. Geographic information system, Viak IT, Arendall, Norway.
Bianchetti, R., 2011. Considering visual perception and cognition in the analysis of
remotely sensed images, Adfa-Springer.
Bliss, K.M., Fowler, K.R., Galluzzo, B.J., 2014. Math modeling, getting started &
getting sollutions, Society for Industrial and Applied Mathematics (SIAM),
Philadelia.
Boori, M., S., dan Vozenilek, V., 2014. Remote Sensing and Land Use/Land Cover
Trajectories. J Geophys Remote Sens. Vol. 3 No. 3.
Bousquet, F., Barreteau, O., Page, C.L., Mullon, C., Weber, J., 1999. An
environmental modelling approach. The use of multi agent simulation,
Advances in Environmental and Ecological Modeling, Hal. 113-122.
152
Brown, D.G., Riolo, R., Robinson, D.T., North, M., Rand, W., 2005. Spatial process
and data models: toward integration of agent-based models and GIS,
J.Geograph. Syst., Vol. 7, hal. 25-47.
Budiyanto, E., 2017. Penginderaan Jauh dan Sistem Informasi Geografis untuk
Penilaian Kerentanan dan Risiko Pencemaran Air Tanah Karst Gunungsewu
di Kabupaten Gunungkidul. Disertasi. Universitas Gadjah Mada. Yogyakarta
Busgeeth, M.K., Brits, A., Whisken, J., 2008, Potential application of remote
sensing inf monitoring informal settlements in developing countries where
complimentary data does not exist, Planning Africa Conference,
Johannesburg.
Ceccato, P., Connor S.J., Jeane, I., Thomson, M.C., 2005, Application of
geographical information system and remote sensing technologies for
assessing and monitor malaria risk. Parassitologia, Vol. 47, Hal. 81 - 96.
Croskrey, A., Groves, C., 2008, Groundwater sensitivity mapping in Kentucky
using GIS and digitally vectorized geologic quadrangles. Environ. Geol., Vol.
54, Hal. 913 - 920.
Danoedoro, P., 2012. Pengantar Penginderaan Jauh Digital, Penerbit Andi,
Yogyakarta.
de Bruin, S., Molenaar, M., 1999. Remote sensing and geographical information
systems, dalam : Stein, A., 1999. Spatial statistics for remote sensing, Kluwer
academic publishers, Netherland, Hal. 41-45.
de Jong, S., van der Meer, F.D., 2004. Remote Sensing Image Analysis, Springer,
Dordrech.
de Mers, M.N., 1997, Fundamentals of geographic information system, John Willey
& Sons, New York.
Elachi, C., Zyl, J.V., 2006. Introduction to the Phisics and Techniques of Remote
Sensing, Second Edition, John Wiley & Sons, New Jersey.
Essink, G.H.P.O., 2000. Groundwater modelling, Department of Geophisic,
Interfaculty Center of Hydrologu Utrecht Institute of Earth Sciences, Utrecht
University.
Farizki, M. dan Anurogo, W. 2017. Pemetaan kualitas permukiman dengan
menggunakan penginderaan jauh dan SIG di Kecamatan Batam Kota, Batam.
Majalah Geografi Indonesia Vol. 31. No 1. Hal 39-45.
Fotheringham, A.S., Brunsdon, C., Charlton, M., 2000. Quantitative Geography.
Perspective on Spatial Data Analysis, SAGE Publication, London.
Fuller, D., Jeffe M., Williamson, R.A., James, D., 2002. Satellite Remote Sensing
And Transportation Lifelines: Safety And Risk Analysis Along Rural
Southwest Roads. Pecora 15/Land Satellite Information IV/ISPRS
Commission I/FIEOS 2002 Conference Proceedings
153
Gao, Y., 2007. Spatial operation in a GIS-based karst feature database, Environ.
Geol., Vol. 54, Hal. 1017-1027.
Gharbia, A.S., Gharbia, S.S., Abushak, T., Wafi, H., Aish, A., Zelenakova, M.,
Pilla, F., 2016. Groundwater quality evaluation using GIS based geostatistical
algorithm, Journal of geoscience and environment protection. Vol. 4, Hal. 89
- 103.
Golmehr, E., 2009. Current Application of Remote Sensing Techniques in Land
Use Mapping: A Case Study of Northern Parts of Kolhapur District, India. J.
Appl. Sci. Environ. Manage. Vol. 13, No 4, pp. 15 – 20.
Griffith, D., Peres-Neto, P.R., 2006. Spatial modeling in ecology: the flexibility of
eigenfunction spatial analysis, Ecology, Vol. 87, No. 10, hal. 2603-2613.
Grohmann, C.H., Smith, M.J., Riccomini, C., 2009. Surface roughness of
topography: a multi-scale analysis of landform element in Midland Valley,
Scotland. Proceeding of Geomorphometry, Switzerland.
Gusmawati, N., F., Andayani, A., dan Mu’awanah, U., 2016. Pemanfaatan Data
Penginderaan Jauh Resolusi Tinggi Untuk Pemetaan Tambak Di Kecamatan
Ujung Pangkah, Gresik. Jurnal Kelautan Nasional, Vol. 11, No. 1, Hal 35 –
51
Harman, L.J., Shama U., Dand, K., Kidwell, B., 2002. Remote Sensing And Spatial
Information For Transportation Demand Management (Tdm) Assessment,
Pecora 15/Land Satellite Information IV/ISPRS Commission I/FIEOS 2002
Conference Proceedings
Hengl, T., 2007. A practical guide to geostatistical mapping of environmental
variables, Institute for the Environment and Sustainability, Italy.
Hermawan, F., Riyanto, B., Basuki, K.H., 2009. Pengembangan Angkutan Umum
Di Daerah Suburban Kota Semarang Berbasis Sistem Informasi Geografi.
Jurnal Transportasi Vol. 9 No. 1 Juni 2009: 36-47
Hickey, R., 2000. Slope angle and slope length solutions for GIS. Cartography, Vol.
29, No. 1,
Holdaway, M.R., 1996. Spatial modeling and interpolation of monthly temperatur
using kriging, Climate Research, Vol. 6, hal. 215-225.
Hollaus, M., Aubrecht, C., Hofle, B., Steinnocher, K., Wagner, W., 2011. Roughness
mapping on various vertical scales based on full-waveform airborne laser
scanning data. Remote Sensing, Vol. 3, Hal. 503 - 523.
Holzbecher, E., Sorek, S., 2005. Numerical models of groundwater flow and
transport, Encyclopedia of Hydrological Sciences, Hal. 2401 - 2414.
Horning, N., 2004, Justification for using photo interpretation methods to interpret
satellite imagery. - Version 1.0.American Museum of Natural History,Center
for Biodiversity and Conservation.
154
Horning, N., 2004. Justification for using photo interpretation methods to interpret
satellite imagery. - Version 1.0. American Museum of Natural History,Center
for Biodiversity and Conservation.
Howari, F.M., Sherif, M.M., Singh, V.P., Al-Asam, M.S., 2007. Dalam :
Thangarajan, M. (editor). Groundwater: Resource Evaluation, Augmentation,
Contamination, Restoration, Modeling and Management, Springer,
Netherland.
Huang Q.H., Cai Y.L., 2009. Mapping Karst Rock in SouthWest China, Mountain
Research and Development, Vol. 29. No. 1, Hal. 14-20.
Huete, A.R, Glenn, E.P., 2011. Remote Sensing of Ecosystem Structure and
Function, Advance in Environtment Remote Sensing, CRC Press. Boca
Raton.
Hung L.Q., Bateelan, O., de Smedt, F., 2005, Lineament extraction and analysis,
comparison of Landsat ETM and ASTER imagery, Case study: Suoimuoi
tropical karst catchment, Vietnam. SPIE. Vol 5983. 59830T DOI:
10.1117/12.627699.
Iguzquiza, E.P., Valsero, J.J.D., Galiano, V.R., 2011. Morphometric analysis of
three-dimensional networks of karst conduits. Geomorphology, Vol. 132, Hal.
17-28.
Jenness, J.S., 2004. Calculating landscape surface area from digital elevation
models. Wildlife Society Bulletin, Vol. 32, No. 3, Hal. 829 - 839.
Julzarika, A., 2018. Penginderaan Jauh Untuk Pendeteksian Awal Potensi Tembaga
Di Sumbawa. Ris.Geo.Tam. Vol. 28, No.1, pp 75-89
Kazmierowski, C., Ceglarek, J., Jasiewicz, J., 2015. Soil surface roughness
quantification using DEM obtained from UAV photogrammetry,
Geomorphometry, Hal. 259 - 262.
Kefi., M., Yoshino, K., Setiawan, Y., 2012. Assessment and mapping of soil erosion
risk by water in Tunisia using time series MODIS data. Paddy water
environment, Vol. 10, hal. 59-73.
Kinkeldey, C., 2014. A concept for uncertainty-aware analysis of land cover change
using geovisual analytics. ISPRS Int. J. Geo-Inf., Vol. 3, Hal. 1122 - 1138.
Kolecka, N., 2012. Vector algebra for steep slope model analysis, Landform
Analysis, Vol. 21, Hal 17-25.
Latha, T.P. Sundari, K.N., Cherukuri, S., Prasad, M.V.V.S.V., 2019. Remote sensing
UAV/drone technology as a tool for urban development measures in
APCRDA. The International adchives of Photogrammetry, Remote Sensing,
and Spatial Information Sciences. Vol XLII-2/W13. Hal 525-529
Leblanc, M., Leduc, C., Razack, M., Lemoalle, J., Dagorne, D., Mofor, L., 2003.
Application of remote sensing and GIS for groundwater modelling of large
semiarid areas : example of the Lake Chad Basin Africa, Hydrology of
155
Mediterranean and Semiarid Region, Proceeding, IAHS Publication, No.
278, Hal. 186-192.
Leblanc, M., Leduc, C., Razack, M., Lemoalle, J., Dagorne, D., Mofor, L., 2003,
Application of remote sensing and GIS for groundwater modelling of large
semiarid areas: example of the Lake Chad Basin, Africa. Hydrology of the
Mediterranean and Semiarid Regions, IAHS Publ. No. 278. hal 186 - 192.
Lee, M., Hunter-Williams, N., Meehan, R., Kelly C., Kabza, M., Murphy, O.,
Spillane, M., 2008. Groundwater vulnerability mapping. Irish National
Hydrology Conference.
Letcher, R.A., Jakeman, A.J., 2009. Types of environmental models. dalam :
Marquette, C.M., 2009. Water and Development Volume 2, Encyclopedia of
life support system, EOLSS Publisher, United Kingdom.
Leverington, D. W., 2010. Discrimination of sedimentary lithologies using
Hyperion and Landsat Thematic Mapper data: a case study at Melville Island,
Canadian High Arctic, International Journal of Remote Sensing, Vol. 31, No.
1, Hal. 233-260.
Li Y., Shao J., Yang H., Bai X., 2009. The Relations between Land Use and Karst
Rocky Desertification in Typical Karst Area China, Environ. Geol., Vol. 57,
hal. 621-627, DOI 10.1007/s00254-008-1331-z
Liang, S. 2004. Quantitative Remote Sensing of Land Surface. John Willey & Sons
Inc.. New Jersey.
Lichstein, J.W., Simon, T.R., Shriner, S.A., Franzreb, K.E., 2002. Spatial
autocorrelation and autoregressive models in ecology, Ecological
Monographs, Vol. 2, Nomor 3, hal. 445-463.
Liebhold, A.M., Rossi, R.E., Kemp, W.P., 1993. Geostatistics and geographic
information systems in applied insect ecology, Annual review of Entomology,
Vol. 38, No. 1, Hal. 303-327.
Liu, J.G., Mason, P.J., 2009. Essential image processing and GIS for remote
sensing, John Willey & Sons, Hoboken, USA.
Liu, L., Zhou, J., Jiang, D., Zhuang, D., Mansaray, L., R., Zhang, B., 2013.
TargetingMineral Resources with Remote Sensing and Field Data in the
Xiemisitai Area, West Junggar, Xinjiang, China. Remote Sensing, Vol 5, pp
3156-3171; doi:10.3390/rs5073156
Machanda, M.L., Kudrat, M., Tiwari, A.K., 2002. Soil survey and mapping using
remote sensing. Tropical Ecology. Vol. 43 No. 1 hal. 61-74. ISSN 0564-3295
Madhok, V., Landgrebe, D.A., 2002. A processing model for remote sensing data
analysis, IEEE Life Fellow.
Mallouk, A., Elhadrachi, H., Malaainine, M.E.I., Rhinane, H. 2018. Using the
SLEUTH urban growth model coupled with a GIS to simulate and predict the
future urban expansion of Casablanca region, Morocco. The International
156
Archives of the Photogrammetry, Remote Sensing and Spatial Information
Sciences, Volume XLII-4/W12. Hal 139 - 145
Mansaray, L., R., Huang, W., Zhang, W., Zhang, D., Huang, J., Li, J., 2017.
Mapping Rice Fields in Urban Shanghai, Southeast China, Using Sentinel-
1A and Landsat 8 Datasets. Remote Sensing, Vol 9 No 3 pp. 257
Marinov, A.M., Moldoveanu, V., 2005. A mathematical model describing
vulnerability to pollution of groundwater in the proximity of Slatina Town,
Mathematical modelling of environmental and life science problems,
Proceeding, Hal. 123-134.
Mather, P.M., 2004. Computer Processing of Remotely-Sensed Images, Wiley &
Sons, England.
McCoy, R.M., 2005. Field Methods in Remote Sensing, The Guilford, New York.
Mosleh, M., K., Hassan, Q., K., dan Chowdhury, E., H., 2015. Application of
Remote Sensors in Mapping Rice Area and Forecasting Its Production: A
Review. Sensors, Vol. 15, pp. 769-791; doi:10.3390/s150100769.
Nasir, S., dan Rajendran, S., 2017. Role of remote sensing applications in mineral
exploration and sustainable development in Oman.
https://www.researchgate.net/publication/318946467.
Newman, M.E., McLaren, K.P., Wilson, B.S., 2011, Use of Object-oriented
classification and fragmentation analysis (1985-2008) to identify important
areas for conservation in Cockpit County Jamaica. Environ Monit
Assess.,Vol. 172, hal. 391-406.
O'Brien, L., 1992. Introducting quantitative geography, Routledge, New York.
Ouma, Y.O., dan Tateishi, R., 2014. Urban flood vulnerability and risk mapping
using integrated multi-parametric AHP and GIS: methodological overview
and case study assessment, Water, Vol. 6, halaman 1515 - 1545.
Pardo-Iguzquiza, E., Duran, J.J., Dowd, P.A., 2013. Automatic detection and
delineation of karst terrain depressions and its application on
geomorphological mapping and morphometric analysis. Acta Carsologica,
Vol. 42, No. I, hal. 17-24. Postojna.
Priyono, Jumadi, Kurniasari, M.I., 2013. Pengukuran kualitas permukiman
hubungannya dengan tingkat kesehatan masyarakat di Kecamatan Sragen :
Upaya awal untuk peningkatan kapasitas masyarakat dalam strategi
pengurangan resiko penyakit. Geoedukasi. Vol 2. No 1. Hal 52-59.
Priyono, S., B., dan Rahayu, S., 2003. Aplikasi penginderaan jauh dan sistem
informasi geografis untuk perencanaan pengembangan tambak biocrete.
GMU J. Fish. Sci Vol 5 no 2, pp 32-38
Qiwei C., Anjun L., Kangning X., Sinzhen X., Jun W., Juan X., 2003. Spectral
Feature-Based Model for Extracting karst Rock-Desertification from Remote
157
Sensing Image, Journal of Guizhou Normal University (Natural Science
Edition), Vol. 21, No.4, hal.82-87.
Radiarta, I N., 2008. Pemanfaatan Penginderaan Jauh Dan Sistem Informasi
Geografis Untuk Manajemen Sumber Daya Perikanan Budidaya Di
Indonesia, Media Akuakultur Volume 3 Nomor 1 Tahun 2008
Rasam, A.R.A. dan Noor, A.M.M., 2012, Contribution of GIS and remotesensing
technologies for managing foodborne deseases in Malaysia, IEEE, hal. 258-
261.
Rees, W.G., 2001. Physical Principles of Remote Sensing, Second Edition,
Cambidge University Press. Cambridge.
Riley, S.J., DeGloria, S.D., Elliot, R., 1999. A Terrain ruggedness index that
quantifies topographic heterogenity, Intermountain Journal of Science, Vol.
5, No 1 - 4, Hal. 23 - 27.
RISC, 2003. Karst inventory standards and vulnerability assessment procedures for
British Columbia – Version 2.0. Goverment Publication Service. ISBN. 0-
7726-4901-4.
Robu, M., 2009. Groundwater vulnerability in the motru sec karst area, the
Mehenditi Mountains. Trav. Inst. Speol., Vol XLVIII, hal. 69-81. Bucarest.
Schowendgerdt, 2007, Remote Sensing: Models and Methods for Image
Processing, Third Edition, Elsevier, Amsterdam.
Schowendgerdt, 2007. Remote Sensing: Models and Methods for Image
Processing, Third Edition, Elsevier, Amsterdam.
Shaw, S.L., dan Rodrigue, J.P., 2017. The Geography of Transport Systems – The
Spatial organization of transportation and mobility. Routledge. New York.
Skidmore A., 2002. Environmental Modelling with GIS and Remote Sensing,
Taylor & Francis, London.
Slesicki, M., 2009. Aplication of mathematical modelling methods in the protection
of groundwater environment, Journal of water and land development, No.
13b, Hal. 31-39.
Solomon, S., dan Quiel, F., 2003, Integration of remote sensing and GIS for
groundwater assessment in Eritrea, in : Benes, 2003, Geoinformation for
european-wide integration, Millpress, Rotterdam.
Somvanshi, S. Kunwar, P., Singh, M., 2018. Remote Sensing And GIS Techniques
for Sustainable Land Resource Management And Planning. International
Refereed Journal of Engineering and Science (IRJES) ISSN (Online) 2319-
183X. Volume 7, Issue 1 (January 2018), PP. 11-24.
Strasen, J.L., Chafetz, H.S., Khan, S., 2009. Discrete lithofacies discrimination of
Jurassic strata using advanced spaceborne thermal emission and reflection
158
radiometer data, Bighorn Basin, Wyoming, USA. Sedimentology, Vol. 56,
Hal. 1535 - 1551.
159
Wilson, M.F.J., O'connel, B., Brown, C., Guinan, J.C., Grehan, A.J., 2007.
Multiscale terrain analysis of multibeam bathymetry data for habitat mapping
on the continental slope. Marine Geodesy, Vol. 30, Hal. 3 - 35. DOI:
10.1080/01490410701295962.
XIA, N., Cheng, L., Li., M.C., 2019. Mapping urban areas Using a Combination of
Remote sensing and Geolocation Data. Remote Sens. 2019, 11, 1470;
doi:10.3390/rs11121470
Xiao, D., Xiong, K., An, Y., Zhang, W., 2009, Study on karst landscape spatial
pattern based on remote sensing and GIS. In: Maitre, H., Sun, H., Lei, B.,
Feng, J., MIPPR 2009: Remote Sensing and GIS Data Processing and Other
Applications. SPIE, Vol. 7498,74981D,
Xiong, Y.J., Qin, G.Y., Mo, D.K., Lin, H., Sun, H., Wang Q.X., Zhao, S.H., Yin,
J., 2009. Rocky desertification and its cause in karst area: a case study in
Yongshun County, Hunan Province, China. Environ. Geol., Vol. 57, hal.
1481-1288, DOI. 10.1007/s00254-008-1425-7.
Yang, B., Zeng, F., Yuan, M., Li, D., Qiu, Y., Li, J., 2011. Measurement of
Dongting lake area based on visual interpretation of polders, Procedia
Environmental Sciences, Vol. 10, Hal. 2684 - 2689.
Yang, Q., Wang, K., Zhang, C., Yue Y., Tian, R, Fan, F., 2009. Spatio Temporal
Evolution of Rocky Desertification and its Driving Forces in Karst Areas of
Northwestern Guangxi China, Environ. Earth Sci., Vol. 64, hal. 383-393, DOI
10.1007/s12665-010-0861-3
Youssef, A.M., 2008. Mapping the Pliocene clay deposits using remote sensing and
its impact on the urbanization developments in Egypt: case study, east sohag
area. Geotech Geol Eng., Vol. 26, hal. 579-591, DOI 10.1007/s10706-008-
9191-6
Yue, Y., Liu, B., Wang, K., Li, R., Zhang, B., Zhang, C., Chen, H., 2012. Using
Remote Sensing to Quantify the Fractional Cover of Vegetation and Exposed
Bedrock within a complex landscape: Applications for Karst Rocky
Desertification Monitoring, Environ. Monit. Assess., DOI 10.1007/s10061-
012-2944-y
Yue, Y., Wang, K., Chen, Z., Yu, Y., 2008a. Extraction of Karst Rocky
Desertification Information From EO-1 Hyperion Data, The International
Archives of the Photogrammetry Remote Sensing and Spatial Information
Sciences, Vol. XXXVII. Part B7, Beijing.
Yue, Y., Wang, K., Li, J., Zhang, B., Liu, B., Jiao, Q., Zhang, X., 2009. Developing
New Spectral Indices for Karst Rocky Desertification Monitoring in
Southwestern China, IEEE, 978-I-4244-3395-7/09.
Yue, Y., Wang, K., Zhang, B., Chen, Z., Jiao, Q., Lin, B., Chen, H., 2008b.
Exploring the Relationship Between Vegetation Spectra and Eco-geo-
160
environment condition in Karst Region Southwest China, Environ. Monit.
Assess., Vol. 160, hal. 157-168, DOI 10.1007/s10661-008-0665-z
Zhai, Y., Thomasson, J.A., Boggess III, J.E., Sui, R., 2006. Soil texture
classification with artificial neural networks operating on remote sensing
data. Computers and Electronics in Agriculture., Vol. 54, hal. 53–68,
DOI:10.1016/j.compag.2006.08.001.
Zhu, Z., Zhou, Y., Seto, K.C., Stokes, E., Deng C., Pickett, S.T.A., Taubenbock,
H., 2019. Understanding an Urbanizing Planet : Strategic direction for remote
sensing, : https://www.researchgate.net/publication/332799905
I. TES SUMATIF
1. Satu teknologi geografis yang menjadi pendorong era industri 4.0 adalah
a. Sistem pengolah tabular
b. Proses pengolahan citra
c. Geolokasi
d. Analisis spasial
e. Model permukaan digital
2. Peran data spasial dalam menunjang era industri 4.0
a. Meningkatkan akurasi lokasi dalam mobilitas barang dan jasa
b. Mempercepat pengambilan keputusan
c. Mempermudah penilaian wilayah
d. Memperlancar sistem transportasi
e. Menambah informasi kewilayahan
3. Peta yang diperlukan untuk perencanaan pembangunan wilayah adalah
a. Peta kadastral
b. Peta tematik
c. Peta skala besar
d. Peta klasifikasi
e. Peta analog
4. Agar mendapatkan jarak yang terpendek dari sebuah perjalanan maka dalam
peta harus mengikuti :
a. Orientasi arah peta
b. Garis koordinat peta
c. Garis orthodrome
d. Garis loxodrome
e. Keterangan penjelas peta
5. Pemetaan persil di Indonesia sebaiknya menggunakan sistem proyeksi
a. Ekuivalen
b. Konform
161