Geografi - Modul1 - Perpetaan, Penginderaan Jauh Dan SIG PDF

Kode : DAR2/Profesional/207/1/2019
Pendalaman Materi : Geografi
Modul 1
Perpetaan, Penginderaan Jauh,
dan Sistem Informasi Geografis
Dr. Eko Budiyanto, M.Si.
Pendidikan Profesi Guru

Kementerian Pendidikan dan Kebudayaan
Republik Indonesia
2019
Halaman ini sengaja dikosongkan
KATA PENGANTAR
Puji syukur penulis panjatkan kehadirat Allah SWT atas terselesaikannya

Modul 1 ini dengan judul Perpetaan, Penginderaan Jauh, dan Sistem Informasi
Geografis. Tiada daya dan upaya kecuali atas ijin-Nya sehingga modul ini dapat
dimanfaatkan untuk pendalaman materi geografi dalam Pendidikan Profesi Guru.
Semoga modul ini dapat benar-benar memberikan manfaat kepada seluruh peserta
PPG Kementerian Pendidikan dan Kebudayaan Republik Indonesia.
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.
Atas selesainya modul ini, penulis tidak lupa menyampaikan terimakasih

sebesar-besarnya kepada Kementerian Pendidikan dan Kebudayaan Republik
Indonesia melalui bidang-bidang yang terkait yang telah membiayai pembuatan
modul ini. Para penyelia : Prof. Dr. Sugeng Utaya, M.Si., Prof. Dr. Enok Maryani,
M.Si., Prof. Dr. Chatarina Muryani, M.Si., dan Dr. Mamat Ruhimat, M.Si. yang
telah banyak memberikan masukan guna penyempurnaan materi dalam modul ini.
Drs. Heroe Nugraha, M.I.Kom. dari Pustekom sebagai penyelia media yang telah
banyak memberikan ilmu dalam perbaikan media pembelajaran. Rekan-rekan
penyusun modul materi Geografi : Dra. Ita Mardiani, M.Kes., Dr. Wiwik Sri Utami,
S.U., Dr. Nugroho Hari Purnomo, M.Si., Dr. Muzayanah, M.T., Drs. Agus Sutedjo,
M.Si. dan Ari Kurniawan, S.Kom., M.T. yang telah saling memberikan masukan
dan semangat selama penulisan modul ini.
Tiada gading yang tak retak, tidak ada sesuatu buatan manusia yang
sempurna. Oleh karena itu, kritik, saran dan masukan yang positif sangat penulis
harapkan untuk perbaikan modul ini di masa mendatang.
Surabaya, 1 Nopember 2019
Dr. Eko Budiyanto, M.Si

DAFTAR ISI
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

A. PENDAHULUAN .................................................................................... 38
C. SUB CAPAIAN PEMBELAJARAN .................................................... 38
D. URAIAN MATERI ................................................................................ 39
1. Penginderaan jauh sebagai sumber data geografis ................................. 39
a. Pengertian penginderaan jauh ............................................................ 39
b. Konsep gelombang elektromagnetik ................................................. 42
i. Panjang gelombang dan frekuensi .................................................. 42
ii. Spektrum gelombang elektromagnetik dalam penginderaan jauh .. 46
iii. Interaksi gelombang elektromagnetik dengan obyek muka bumi .. 49
c. Sistem penginderaan jauh .................................................................. 53
Penginderaan jauh sistem pasif ....................................................... 54
Penginderaan jauh sistem aktif ....................................................... 55
d. Orbit satelit ........................................................................................ 58
i. Geostationary orbit .......................................................................... 58
ii. Near polar orbit ............................................................................... 59
e. Resolusi citra penginderaan jauh ....................................................... 60
i. Resolusi spasial ............................................................................... 60
ii. Resolusi spektral ............................................................................. 61
iii. Resolusi radiometrik ....................................................................... 63
iv. Resolusi temporal ............................................................................ 63
2. Sistem informasi geografis sebagai pengolah data geografis .................... 64
a. Pengertian sistem informasi geografis .............................................. 64
b. Data spasial pada sistem informasi geografis .................................... 65
i. Karakteristik data ............................................................................ 65
ii. Bentuk data spasial ......................................................................... 67
iii. Input data spasial ............................................................................. 71
c. Operasi spasial dalam sistem informasi geografis ............................ 74
i. Operasi layer tunggal ...................................................................... 74
a) Pengubahan fitur ........................................................................ 74
b) Pemilihan fitur ............................................................................ 76
c) Klasifikasi fitur ........................................................................... 77
ii. Operasi layer ganda ......................................................................... 77
a) Tumpang susun (overlay) ........................................................... 77
b) Kedekatan jarak (proximity) ...................................................... 79
c) Korelasi spasial .......................................................................... 80
iii. Transformasi spasial ....................................................................... 81
E. RANGKUMAN ..................................................................................... 82
F. TES FORMATIF ................................................................................... 83

A. PENDAHULUAN .................................................................................. 86
B. CAPAIAN PEMBELAJARAN .............................................................. 86
C. SUB CAPAIAN PEMBELAJARAN ....................................................... 86
D. URAIAN MATERI .................................................................................. 87
1. Sinergi Penginderaan Jauh dan Sistem Informasi Geografis ................... 87
2. Pemanfaatan PJ dan SIG untuk pengelolaan sumber daya ....................... 90
a. PJ dan SIG untuk analisis sumber daya lahan ........................................ 90
b. PJ dan SIG untuk analisis sumber daya air ............................................ 93
c. PJ dan SIG untuk analisis sumber daya mineral .................................... 97
3. Pemanfaatan PJ dan SIG untuk Mitigasi Bencana ................................... 100
a. PJ dan SIG untuk mitigasi bencana banjir .............................................. 100
b. PJ dan SIG untuk mitigasi bencana kekeringan ...................................... 103
c. PJ dan SIG untuk kajian erosi ................................................................. 105
4. Pemanfaatan PJ dan SIG untuk Pembangunan Wilayah ........................... 108
a. PJ dan SIG untuk pengembangan area permukiman desa dan kota ........ 108
b. PJ dan SIG untuk perencanaan area pertanian ........................................ 112
c. PJ dan SIG untuk kajian kesehatan lingkungan ...................................... 114
E. RANGKUMAN ..................................................................................... 116
F. TES FORMATIF ................................................................................... 117

A. PENDAHULUAN ................................................................................. 120
C. SUB CAPAIAN PEMBELAJARAN ..................................................... 120
D. URAIAN MATERI ................................................................................. 121
1. Penginderaan jauh dan SIG untuk tata guna lahan ............................... 121
a. Analisis tutupan vegetasi .................................................................... 122
b. Analisis tanah terbuka ........................................................................ 128
c. Analisis singkapan batuan ................................................................. 129
d. Analisis morfologi lahan ................................................................... 132
2. Penginderaan jauh dan SIG untuk kajian perkotaan ............................. 137
a. Analisis kepadatan bangunan perkotaan ........................................... 138
b. Analisis kualitas permukiman perkotaan .......................................... 141
c. Pengembangan sistem transportasi .................................................... 143
E. RANGKUMAN ..................................................................................... 148
F. TES FORMATIF ................................................................................... 148
G. KUNCI JAWABAN TES FORMATIF .................................................. 150
H. DAFTAR PUSTAKA ............................................................................ 152
I. TES SUMATIF ...................................................................................... 161
J. KUNCI JAWABAN TES FORMATIF .................................................. 165
DAFTAR GAMBAR
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
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
Penulis : Dr. Eko Budiyanto, M.Si.

Republik Indonesia
2019
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.
C. SUB CAPAIAN PEMBELAJARAN

Peserta memiliki pengetahuan tentang keterampilan geografis abad 21 dan era
industri 4.0.
2
D. URAIAN MATERI : Pemetaan sebagai keterampilan geografis pada era
industri 4.0
1. Peran peta pada era industri 4.0
Bapak-Ibu yang terhormat, selamat berjumpa lagi dalam pembelajaran kita

dengan tema kegiatan belajar pemetaan sebagai keterampilan geografis pada era
industri 4.0. Seperti telah sering kita dengar pada saat ini muncul sebuah konsep di
berbagai belahan dunia yaitu era industri 4.0. Sudahkah saat ini Bapak-Ibu paham
dengan konsep industri 4.0 tersebut ?
Baik, mari kita diskusikan konsep tersebut pada bagian ini. Diskusi ini kita
tujukan untuk memantapkan pemahaman kita semua terkait dengan konsep industri
4.0 yang saat ini sedang dikembangkan. Selain itu diharapkan juga lebih
memahamkan kita tentang peran penting dari keterampilan geografis dalam
mendukung konsep tersebut.
Bapak-Ibu sekalian, sebagian ahli menyatakan bahwa konsep industri 4.0 ini
dimunculkan oleh pemerintah Jerman untuk meningkatkan produktivitas
industrinya. Namun demikian, sebagian ahli lain juga menyatakan jika konsep
tersebut terlebih dahulu telah muncul di negara lain seperti Amerika sebelum
dideklarasikannya konsep tersebut oleh pemerintah Jerman.
Industri 4.0 ini merupakan perkembangan dari tahapan-tahapan revolusi
industri yang telah terjadi sebelumnya. Walaupun tidak ada pembagian secara
tegas, namun beberapa artikel menunjukkan pentahapan dari era-era industri
pertama hingga saat ini. Masing-masing tahapan ditunjukkan oleh karakteristik
teknologi yang dimanfaatkan dalam industri masa itu. Mari kita cermati beberapa
tahapan dari masing-masing era industri tersebut. Penjelasan lebih lanjut dapat
Bapak-Ibu baca pada artikel dari Vuksanovic dkk (2016), Rojko (2017), Crnjak dkk
(2017), Klingenberg dan Antonio (2017), dan Liao dkk (2018).
Era industri pertama dicirikan oleh munculnya pemanfaatan energi air dan
batu bara sebagai pengganti tenaga manusia pada akhir abad 18. Perubahan sumber
energi ini memicu revolusi industri secara besar-besaran pada industri di eropa
terutama pada pada industri tekstil. Mekanisasi banyak dilakukan pada era ini.
Produksi barang dan jasa meningkat dengan penggunaan energi yang lebih besar.
3
Selanjutnya muncul ekspansi dari beberapa negara di Eropa untuk memperoleh
sumber-sumber energi terutama batu bara. Bapak-Ibu dapat sekilas memperhatikan
Gambar 1. berikut yang menunjukkan perkembangan dari era industri pertama
hingga kini.
Gambar 1. Karakteristik masing-masing tahapan era industri. Sumber : Rojko, 2017.
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.
Pengertian peta telah banyak diuraikan dalam berbagai literatur terutama

dalam kajian ilmu kartografi. Satu contoh definisi tentang peta adalah 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. Definisi tersebut mengandung satu pengertian yang secara tegas
membedakan dengan penggambaran lainnya. Mari kita pahami definisi tentang peta
tersebut untuk memperjelas pemahaman kita tentang peta.
Pertama, definisi tersebut secara jelas menyatakan bahwa yang dituangkan

pada bidang datar tersebut adalah muka bumi atau sebagian area muka bumi.
Segala fenomena yang terdapat di muka bumilah yang menjadi fokus informasi
yang dituangkan. Fenomena muka bumi tersebut adalah berupa obyek alamiah dan
obyek buatan. Obyek alamiah seperti sungai, gunung, lembah, laut, dan lain-lain.
Sedangkan obyek buatan adalah seperti jalan, rel kereta api, jembatan, gedung,
saluran air, jaringan listrik, dan lain-lain. Dengan demikian jika yang digambarkan
tersebut bukan muka bumi maka tidak termasuk dalam definisi tersebut.
Kedua, penggambaran muka bumi dituangkan pada bidang datar dua

dimensi sebagai medianya. Bidang datar dua dimensi tersebut yang paling umum
adalah selembar kertas dengan berbagai ukuran sesuai dengan skala yang
digunakannya. Pada beberapa hal media bidang datar tersebut dapat berupa papan,
dinding, dan lain-lain. Batasan ini secara jelas membedakan sebuah peta dengan
globe atau maket. Globe ataupun maket tidak dapat disebut sebagai peta karena
media yang digunakan tersebut bukan media dua dimensional.
8
Ketiga, penggambaran peta dilakukan menggunakan simbol-simbol. Simbol
pada peta adalah representasi dari obyek senyatanya di muka bumi. Simbol ini
mewakili obyek alamiah sesuai dengan karakteristik dari obyek yang diwakilinya
tersebut. Simbol pada peta terdiri dari simbol titik, garis, dan area. Obyek-obyek
seperti rumah dapat digambarkan menggunakan simbol titik. Obyek jalan
digambarkan dengan simbol garis dengan berbagai ukurannya. Sedangkan satu
wilayah kota dapat digambarkan dengan simbol area atau poligon. Penjelasan lebih
lanjut tentang simbol ini akan diuraikan pada bagian lain dalam modul ini.
Keempat, penggambaran peta menggunakan satu sistem proyeksi tertentu.

Peta adalah representasi suatu lokasi nyata di muka bumi. Setiap obyek yang
tertuang pada peta harus dapat ditentukan koordinat geografis senyatanya di
lapangan. Dengan demikian peta dapat digunakan sebagai petunjuk untuk mencari
suatu tempat. Terkait dengan hal tersebut, maka sebuah peta harus menggunakan
satu sistem proyeksi yang sebagai dasar penentuan koordinat lokasi pada peta.
Sistem koordinat yang digunakan pada peta mengikuti ketentuan yang berlaku pada
sistem proyeksi tersebut. Beberapa peta seperti peta rupa bumi yang dikeluarkan
oleh BIG mencantukan dua sistem koordinat yang berbeda. Hal ini memudahkan
penggunaan peta tersebut dalam berbagai aplikasi. Penjelasan tentang sistem
proyeksi juga akan diuraikan secara lebih detil pada bagian lain dalam modul ini.
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.
Gambar 2. Contoh peta untuk penunjang sebuah penelitian
Gambar 2. merupakan satu peta yang menunjukkan batas-batas administrasi

dalam suatu wilayah penelitian. Peta tersebut menggambarkan fakta di muka bumi
terkait wilayah administrasi yang diwujudkan dalam simbol-simbol titik, garis dan
area. Penyederhanaan dilakukan terhadap simbol-simbol obyek penting yang
termuat pada peta tersebut. Unsur-unsur lain sebagai penunjang peta dituangkan
pada peta tersebut sebagai acuan dalam membaca peta.
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.
Sejalan dengan perkembangan teknologi terjadi pergeseran pada media dan

fungsi peta. Seperti telah diuraikan di depan, bahwa media pembuatan peta dalam
sistem kartografi tradisional pada umumnya dituangkan secara tercetak pada
selembar kertas (hardcopy). Teknologi digital seperti web, menuangkan informasi
spasial dalam bentuk peta digital. Pembuatan peta digital ini tetap mengikuti kaidah
kartografis yang sama dengan pembuatan pada peta konvensional. Peta ini
ditampilkan pada layar komputer atau media lain seperti gadget. Peta ini memiliki
kemampuan interaktif yang sangat fungsional. Penggunaan peta digital pada saat
ini menjadi sangat luas dan strategis serta merambah pada banyak bidang kehidupan
modern.
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.
Kraak (2004) menunjukkan bahwa perkembangan teknologi internet dalam

bentuk web telah mendorong pergeseran fungsi tradisional dari peta tersebut.
Fungsi peta digital pada web dapat ditujukan untuk pengindeks informasi spasial,
alat pencarian data, dan visualisasi spasial awal dalam proses pengunduhan
informasi. Kemampuan interaktif pada web memungkinkan peta digital menjadi
sumber informasi yang sangat bermanfaat. Kemanfaatan ini tidak hanya sekedar
penampil informasi namun dalam beberapa hal sekaligus merambah pada fungsi
matematis dan analisis yang kompleks.
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
Peta tersusun atas beberapa komponen yang saling berkaitan. Komponen

dalam peta tersebut memiliki fungsi yang penting berkaitan dengan tema pada peta
tersebut. Komponen peta yang penting tentu tidak boleh ditinggalkan dalam proses
pembuatan peta. Penyusunan dan pengaturan tata letak komponen peta dilakukan
melalui proses layouting. Komponen yang digunakan dalam pembuatan sebuah
peta terdiri dari judul, skala, simbol, legenda, orientasi arah, grid koordinat,
pembuat dan tahun pembuatan, inset, dan referensi peta. Uraian tentang komponen
peta tersebut akan dijelaskan pada bagian ini.
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.
Gambar 3. Contoh judul peta
Gambar 3. merupakan contoh dari judul peta. Judul tersebut memberikan

judul dari satu peta kepadatan penduduk di wilayah Kabupaten Gunungkidul.
Penulisan judul pada peta sebaiknya singkat, padat, dan jelas dengan kalimat yang
benar. Besar-kecilnya huruf disesuaikan dengan ukuran peta secara keseluruhan.
Posisi dari judul ini boleh dimana saja, namun mudah ditemukan. Penempatan teks
judul juga dapat diletakkan di dalam area peta, atau pada tempat lain yang bukan
merupakan area peta.
b. Skala
Skala peta adalah perbandingan jarak di peta dengan di muka bumi

senyatanya (USGS, 2002). Skala memiliki fungsi sangat penting. Skala harus ada
pada setiap peta mengingat fungsinya sebagai petunjuk ukuran sebenarnya di
lapangan. Peta merupakan miniatur dan penyederhanaan dari muka bumi, maka
semua obyek di muka bumi disimbolkan dengan ukuran yang lebih kecil dengan
perbandingan tertentu. Skala dinyatakan dengan sebuah perbandingan dalam
bentuk skala angka, grafis, dan verbal.
- 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.
Gambar 4. Skala grafis
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)
Gambar 5. Simbol peta
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)
Terkait dengan bentuk simbol, variabel visual ini memiliki karakteristik

tertentu. Variabel bentuk dan ukuran dapat digunakan pada simbol titik namun tidak
dapat diaplikasikan pada simbol area atau poligon. Variable pola dapat digunakan
pada simbol area atau poligon, namun tidak dapat diaplikasikan pada bentuk titik.
Variabel visual tersebut juga dikaitkan dengan tipe data yang akan disimbolkan.
Variabel visual simbol tersebut diaplikasikan pada data-data kualitatif dan
kuantitatif. Kesesuaian karakteristik dari variabel visual simbol tersebut dapat
dilihat pada Tabel 1.
Tabel 1. Karakteristik variabel visual simbol

data kualitatif data kuatitatif
Bentuk x
Ukuran x
Pola x
Warna x
Kecerahan x
(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.
Gambar 7. Ukuran simbol untuk menampilkan informasi jumlah penduduk

(Sumber : Budiyanto, 2018)
Pada Gambar 7. tersebut variabel ukuran digunakan untuk menampilkan

informasi jumlah penduduk pada tiap desa. Pemanfaatan variabel visual ini sangat
membantu pengguna dalam membaca peta tersebut. Titik dengan ukuran yang besar
menggambarkan wilayah desa dengan jumlah penduduk yang tinggi, sementara
bentuk titik dengan ukuran kecil menggambarkan jumlah penduduk yang kecil.
Selain untuk menampilkan informasi seperti pada contoh tersebut, variabel visual
banyak diaplikasikan untuk banyak kasus yang lain.
Interpretasi terhadap simbol merupakan hal yang penting dalam pemanfaatan

peta-peta khususnya peta tematik. USGS (1993) menetapkan standarisasi terhadap
pembuatan peta topografi. Fitur area peta topografi yang dikeluarkan oleh USGS
menggunakan warna hijau untuk area tutupan vegetasi, biru untuk tubuh air, dan
warna merah untuk area terbangun. Standarisasi lain dalam pembuatan peta juga
telah dilakukan oleh BIG untuk peta-peta referensi resmi di Indonesia.
19
d. Legenda
Legenda adalah keterangan yang menjelaskan informasi dari simbol-simbol

dalam peta. Legenda menampilkan informasi kuantitatif ataupun kualitatif dari
simbol peta. Penulisan legenda peta ini harus singkat, padat, dan jelas dan mudah
dipahami. Tidak diperlukan keterangan yang berlebihan untuk memperjelas
simbol-simbol peta tersebut.
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
Gambar 8. menunjukkan satu contoh legenda peta. Judul legenda tersebut

menggunakan kata LEGENDA. Sub judul legenda yang ada yaitu Indeks risiko
pencemaran. Sub judul legenda tersebut memberikan informasi bahwa kelompok
legenda yang ada dibawahnya adalah simbol dari indeks risiko pencemaran. Simbol
peta bagian atas terdiri dari titik, garis, dan kotak. Simbol tersebut adalah simbol
yang digunakan pada peta.
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.
Keterangan legenda berupa angka atau kalimat yang menjelaskan simbol

legenda. Keterangan legenda dapat berupa satu kata, frasa, atau klasifikasi.
Pemilihan kata, frasa, atau klasifikasi tersebut harus sesingkat mungkin namun
dapat memberikan informasi yang sejelas-jelasnya. Kemungkinan interpretasi
ganda terhadap keterangan legenda ini harus sejauh mungkin dihindarkan.
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.
Gambar 9. Bentuk orientasi arah peta
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.
Koordinat geografis diwujudkan dalam bentuk lintang dan bujur. Grid

koordinat ini menggunakan satuan derajad, menit dan detik. Pada peta skala besar,
garis imajiner grid terlihat sebagai satu garis lurus, sementara pada peta skala kecil
garis imajiner grid berupa garis yang sedikit melengkung. Lokasi sebuah titik
ditunjukkan dengan koordinat Lintang, Bujur. Contoh dari koordinat sebuah lokasi
tersebut adalah -7o 30' 25" LS, 110o 25' 30" BT. Lokasi area ditunjukkan dengan
koordinat Lintang - Lintang, Bujur - Bujur. Contoh dari koordinat lokasi yang
berujud area adalah -7o 10' 00" LS - -7o 30' 00" LS, 110o 10' 30" BT - 110o 50' 30"
BT. Perhitungan jarak antar dua titik pada peta dengan grid koordinat ini dapat
dilakukan dengan menggunakan skala atau dengan mengkonversi selisih nilai
derajad, menit, detik hasil perhitungan. Menurut Prihandito (1988) panjang bujur
satu derajad di katulistiwa adalah sejauh 111,322 km.
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.
g. Pembuat dan Tahun Pembuatan
Pembuat dan tahun pembuatan merupakan petunjuk siapa yang mengeluarkan

atau membuat peta tersebut, serta kapan peta tersebut dibuat. Informasi ini
digunakan sebagai dasar untuk menentukan apakan peta tersebut memiliki
kesahihan untuk digunakan atau tidak. Peta-peta resmi yang dikeluarkan oleh
lembaga yang berkompeten akan memiliki kesahihan yang tinggi sebagai peta
referensi dibandingkan dengan peta yang dibuat oleh pihak lain yang tidak
berkompeten. Peta rupa bumi Indonesia yang dikeluarkan oleh BIG adalah contoh
peta yang memiliki kesahihan tinggi, karena diproduksi oleh lembaga yang
berkompeten dalam bidang ini.
Tahun pembuatan memberikan informasi tentang kekinian isi dari peta

tersebut. Peta dengan tahun pembuatan yang lama akan diragukan kebenaran isinya,
jika peta tersebut memuat tema-tema yang bersifat dinamis seperti jumlah atau
kepadatan penduduk. Tahun pembuatan tidak terlalu bermasalah jika peta tersebut
memuat tema yang bersifat statis. Contoh dari hal ini adalah peta-peta geologi,
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.
Gambar 11. Inset peta sebagai referensi posisi geografis
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 dan Paralel
Meridian adalah garis yang menghubungkan kutub utara dengan kutub

selatan. Paralel adalah garis yang sejajar dengan ekuator. Garis tersebut berupa
suatu lingkaran dengan jumlah tak hingga. Diameter lingkaran terbesar adalah
ekuator dan akan semakin mengecil ke arah kutub utara dan kutub selatan.
Meridian Paralel
Gambar 12. Meridian dan Paralel
- Garis Geodesik dan Orthodrome
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.
b. Klasifikasi Proyeksi Peta
Uraian dimuka menjelaskan bahwa peta tertuang pada bidang datar,

sementara itu muka bumi merupakan permukaan bidang lengkung. Penggambaran
obyek pada bidang lengkung pada sebuah bidang datar disebut dengan proyeksi.
Prihandito (1988) menjelaskan bahwa proyeksi peta adalah suatu sistem yang
memberikan hubungan antara posisi titik di muka bumi dengan di peta. Proyeksi
diperlukan pada area yang memiliki luas lebih dari 30 x 30 km. Kelengkungan muka
bumi dinilai berpengaruh terhadap akurasi peta pada area diatas luas tersebut.
Penggambaran bidang lengkung pada bidang datar sering menimbulkan

beberapa kesalahan seperti luas, bentuk, arah dan jarak. Sebuah peta yang ideal
adalah jika tidak terjadi kesalahan pada keempat hal tersebut. Namun demikian sulit
ditemukan peta dengan ketepatan yang tinggi pada keempat variabel tersebut,
terutama pada peta skala menengah dan kecil. Peta yang relatif ideal dapat dibuat
pada peta-peta skala besar dan kadastral, dimana kelengkungan bumi tidak
signifikan berpengaruh. Pada peta skala kecil, upaya mengurangi distorsi tersebut
dilakukan dengan cara area yang dipetakan menjadi bagian yang tidak luas.
Proyeksi peta menggambarkan permukaan bumi pada satu sistem koordinat

bidang datar. Sistem koordinat ini selanjutnya digunakan sebagai dasar perhitungan
jarak dan arah. Terdapat beberapa macam proyeksi peta yang diklasifikasikan
berdasar bidang proyeksi, titik persinggungan, dan posisi.
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. Proyeksi berdasar bidang proyeksinya
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 persinggungan bidang proyeksi menghasilkan proyeksi tipe tangent dan

secant. Proyeksi dengan tipe tangent memiliki satu titik persinggunan antara
permukaan bumi dengan bidang proyeksi. Proyeksi secant memiliki dua titik
persinggungan pada bidang proyeksi. Proyeksi secant ini seakan-akan memotong
bola bumi pada satu bagian.
Proyeksi tangent menghasilkan satu titik singgung yaitu pada bidang

melingkar. Titik singgung berada pada equator untuk proyeksi silinder dan pada
garis satu garis paralel pada proyeksi silinder. Proyeksi secant menghasilkan dua
titik singgung. Terdapat dua garis melingkar yang merupakan titik singgung antara
muka bumi dengan bidang proyeksi. Lokasi pada garis singgung ini memiliki
kesalahan atau distorsi yang paling kecil. Distorsi akan semakin besar dengan
27
semakin menjauhnya dari garis singgung. Garis singgung pada proyeksi normal
disebut sebagai paralel standard. Oleh karena itu, pada proyeksi bertipe tangent
akan terdapat satu paralel standard, sedangkan pada proyeksi bertipe secant akan
terdapat dua paralel standard.
titik singgung
titik singgung
titik singgung
Gambar 14. Proyeksi berdasar titik singgungnya
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.
Berdasar posisi bidang proyeksinya diketahui proyeksi normal, miring

(oblique), dan transversal. Proyeksi normal adalah bidang proyeksi yang sejajar
dengan sumbu bumi. Bidang proyeksi pada jenis ini secara visual nampak berdiri
tegak. Gambar 13 dan 14 adalah contoh dari proyeksi normal. Proyeksi miring jika
bidang proyeksi memiliki sudut tertentu terhadap sumbu bumi. Proyeksi transversal
jika bidang proyeksi adalah tegak lurus dengan sumbu bumi.
28
Gambar berikut akan menjelaskan tentang proyeksi normal, miring, dan
transversal.
Proyeksi normal
Proyeksi miring
Proyeksi transversal
Gambar 15. Proyeksi berdasar posisinya
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.
Proyeksi ekuivalen adalah proyeksi yang mempertahankan ketepatan luas.

Luas pada peta adalah sama dengan luas sebenarnya di muka bumi setelah
dilakukan pengalian dengan skala peta. Proyeksi konform adalah proyeksi yang
mempertahankan ketepatan sudut-sudut. Sedangkan proyeksi ekuidistant adalah
proyeksi yang mempertahankan ketepatan jarak.
Berdasar proses generasinya, dikenal sistem proyeksi geometris, matematis

dan semi geometris. Sistem proyeksi geometris membentuk peta dengan cara
proyeksi baik perpsektif atau sentral. Sistem proyeksi matematis tidak membentuk
peta dengan cara proyeksi, namun sepenuhnya melalui perhitungan matematis.
Sistem proyeksi semi geometris adalah campuran dari sistem proyeksi geometris
dan matematis. Pada sistem ini, sebagian peta dihasilkan melalui proyeksi dan
sebagian lain melalui perhitungan matematis.
Sistem proyeksi berdasar sifat eksternal terdapat tiga klasifikasi yaitu

berdasar bidang proyeksi, titik singgung, dan posisinya. Berdasar sifat internalnya
terdapat dua klasifikasi yaitu berdasar sifat asli yang dipertahankan dan
generasinya.
30
c. Proyeksi Universal Transverse Mercator (UTM)
Proyeksi Universitas Transverse Mercator (UTM) merupakan sistem

proyeksi yang sering dimanfaatkan terutama untuk pemetaan di Indonesia sebagai
daerah diwilayah ekuator. Proyeksi ini memiliki kemudahan-kemudahan dalam
aplikasinya. Satuan metrik yang digunakan dalam sistem proyeksi ini memudahkan
perhitungan-perhitungan jarak dan luas. Sistem proyeksi ini juga banyak digunakan
dalam navigasi karena memiliki ketepatan sudut antar titik. Perhitungan jarak
terdekat pada sistem proyeksi ini menggunakan garis loxodrome.
Proyeksi Universal Transverse Mercator (UTM) memiliki sifat silinder,

konform, secant, dan transversal. Bidang proyeksi yang digunakan adalah bidang
silinder. Sifat konform berarti proyeksi ini mempertahankan ketepatan pengukuran
sudut. Secant berarti memiliki dua titik singgung antara muka bumi dengan bidang
proyeksi. Sifat secant ini ditujukan untuk mereduksi kesalahan sekecil mungkin
dalam pemetaan muka bumi. Transversal berarti posisi bidang proyeksi tegak lurus
dengan sumbu bumi, atau bidang proyeksinya mendatar. Bidang proyeksi
transversal berarti memiliki titik singgung di sepanjang meridian. Pada meridian
tengah tidak terjadi distorsi. Distrosi membesar dengan semakin jauhnya jarak dari
meridian tengah tersebut, maka untuk mengurangi distorsi ini, muka bumi dibagi
menjadi bagian-bagian yang lebih sempit yang disebut zone.
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
Bapak-Ibu sekalian, berikut adalah contoh pemanfaatan peta-peta tematik

untuk suatu kajian mitigasi bencana. Contoh yang disajikan ini adalah pemanfaatan
peta digital untuk mitigasi bencana banjir. Dalam aplikasinya peta tersebut
dianalisis dengan menggunakan sistem informasi geografis. Beberapa data diambil
dari data penginderaan jauh. Contoh aplikasi berikut diambil dari kajian yang
dilakukan oleh Ouma dan Tateishi (2014). Kerangka pemikiran aplikasi peta untuk
mitigasi bencana banjir ini dapat Bapak-Ibu amati seperti pada Gambar 16 berikut.
elevasi
slope
tanah kriteria fisik
curah hujan
jaringan
drainase
Peta kerentanan
penggunaan kriteria sosio banjir perkotaan
lahan ekonomis
luas area pembatas

studi kasus
Gambar 16. keterkaitan parameter dalam pemetaan kerentanan banjir perkotaan

(Sumber : Ouma dan Tateishi, 2014)
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.
Hasil perhitungan dan analisis menggunakan AHP dan sistem informasi

geografis menunjukkan sebaran area kerentanan dan risiko bencana banjir dengan
akurasi yang tinggi. Perpaduan metode ini menghasilkan informasi potensi banjir
dengan cepat dan mendekati fakta yang sebenarnya. Berdasar kondisi ini,
perpaduan metode AHP dalam sistem informasi geografis sangat berpotensi untuk
kajian mitigasi bencana banjir.
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
Modul 1 :
Penginderaan Jauh dan SIG untuk Pengolahan Data Geografis

Republik Indonesia
2019
37
Modul 1.
Kegiatan Belajar 2:
Penginderaan Jauh dan SIG untuk Pengolahan Data Geografis
A. PENDAHULUAN
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.
Dalam substansi keilmuan, setiap guru geografi mampu menganalisis hakekat
dan literasi informasi geografi.
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.
1. Penginderaan Jauh Sebagai Sumber Data Geografis

a. Pengertian Penginderaan Jauh
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
Penginderaan jauh berkembang dalam bentuk pemrotretan muka bumi

melalui wahana pesawat terbang dan bentuk penginderaan jauh berteknologi satelit.
Penginderaan jauh berbasis wahana pesawat terbang menghasilkan data foto udara,
sementara penginderaan jauh berbasis satelit menghasilkan data citra satelit. Foto
udara pada umumnya diwujudkan dalam bentuk analog atau tercetak, sedangkan
data citra satelit dalam bentuk digital. Bentuk dari kedua data penginderaan jauh
tersebut menentukan langkah-langkah pengolahannya untuk menurunkan
informasi. Penurunan informasi dari data foto udara sering dilakukan melalui
analisis visual, sementara data citra satelit sering menggunakan analisis visual dan
digital.
Bapak-Ibu peserta PPG sekalian, demikian tadi adalah sekilas tentang

pengertian konsep penginderaan jauh serta batasan-batasannya. Selanjutnya, untuk
lebih memahami konsep penginderaan jauh, mari kita diskusikan tentang konsep
gelombang elektromagnetik yang akan diuraikan pada sub bab selanjutnya.
41
b. Konsep Gelombang Elekromagnetik
i. Panjang Gelombang dan Frekuensi
Sensor penginderaan jauh merekam energi gelombang elektromagnetik yang

berasal dari obyek di permukaan bumi. Energi tersebut adalah energi pantulan
gelombang elektromagnetik dari matahari yang mengenai obyek, ataupun energi
yang dipancarkan dari obyek itu sendiri. Pantulan dan pancaran gelombang
elektromagnetik tersebut ditangkap oleh sensor. Perbedaan karakteristik panjang
gelombang ini yang selanjutnya digunakan sebagai dasar pengenalan obyek.
Radiasi gelombang elektromagnetik dapat dijelaskan melalui model teori
gelombang atau mode energi radian partikel (Tempfli dkk, 2001). Pada teori
gelombang, radiasi cahaya terdiri dari bidang elektris (E) dan bidang magnetik (M).
Bidang elektris memiliki variasi magnitude searah dengan arah datangnya radiasi.
Dua hal tersebut saling berinteraksi dan bergerak dalam kecepatan cahaya yaitu
mencapai 300.000 km/detik.
Gelombang elektrik dan magnetik membantuk satu model gelombang
elektromagnetik. Model gelombang elektromagnetik tersebut dapat diilustrasikan
seperti pada Gambar 1.
Bidang elektrik
Bidang magnetik
arah radiasi
Gambar 1. Model gelombang elektromagnetik
Gambar 1. memberikan ilustrasi dari sebuah gelombang elektromagnetik

yang terdiri dari gelombang elektronik dan gelombang magnetik. Gelombang
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
Gambar 2. merupakan ilustrasi dari panjang gelombang (λ) dan puncak

gelombang (α). Panjang puncak gelombang hingga puncak gelombang berikutnya,
atau dasar lembah hingga dasar lembah berikutnya disebut panjang gelombang.
Nilai puncak gelombang disimbolkan dengan α. Puncak gelombang tersebut
dinamakan dengan amplitudo. Semakin besar nilai puncak gelombang (α), maka
semakin besar energi dari gelombang elektromagnetik tersebut. Frekuensi adalah
jumlah putaran gelombang dalam satu satuan waktu. Frekuensi diukur dalam satuan
hertz (Hz) yang sama dengan jumlah putaran per detik. Frekuensi tinggi dihasilkan
oleh gelombang elektromagnetik dengan nilai λ yang pendek. Sebaliknya
gelombang elektromagnetik dengan λ yang panjang menghasilkan frekuensi
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)
Panjang gelombang dan frekuensi menjadi dasar pertimbangan pemilihan

saluran elektromagnetik dalam penginderaan jauh. Panjang gelombang yang
digunakan pada sistem penginderaan jauh pasif adalah panjang gelombang tampak
dan inframerah. Panjang gelombang tampak adalah berkisar antara 0,38 μm hingga
0,76 μm. Sementara itu perluasan dari panjang gelombang tersebut adalah mencapai
spektrum inframerah dekat (near infrared), tengah (middle infrared) dan jauh (far
infrared). Saluran infra merah melengkapi kemampuan identifikasi dari saluran
tampak serta memiliki kemampuan dalam merekam energi termal yang dipancarkan
dari permukaan bumi.
Fenomena energi elektromagnetik dapat juga dijelaskan melalui teori
partikel. Jumlah energi yang digunakan oleh foton adalah terkait dengan panjang
gelombangnya dapat dihitung dengan formulasi berikut.
Q=hxv
= h x (c / λ)
Keterangan :
Q : energi foton dalam satuan joule
h : konstanta Planck (6,6262 x 10-34 joulesecond)
Berdasar pada formulasi tersebut dapat diketahui bahwa pada radiasi

gelombang panjang dihasilkan nilai energi yang kecil, sebaliknya radiasi dari
gelombang pendek akan menghasilkan energi yang tinggi. Sejalan dengan hal
tersebut, panjang gelombang elektromagnetik menentukan sifat gelombang
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 daya tembusnya terhadap obyek semakin

besar. Sebaliknya dengan semakin kecil panjang gelombang akan semakin
kecil kemampuannya menembus obyek. Contoh kasus ini : Suara radio dapat
didengar dari ruangan lain, tetapi radio tersebut sebagai sumber suara mungkin
tidak terlihat dari ruangan lain tersebut. Hal ini dikarenakan gelombang suara
dapat menembus obyek pemisah ruangan, sedangkan sinar sebagai penghantar
informasi obyek ke mata, tidak dapat menembus obyek tersebut. Gelombang
suara miliki panjang gelombang yang lebih panjang dari pada gelombang sinar.
• Panjang gelombang pendek semakin peka terhadap hamburan atmosferik

(rayleigh, mie, serta partikel debu). Oleh karena itu, maka penginderaan jauh
yang melakukan pemantauan atmosfer seperti NOAA, AVHRR, dan satelit
cuaca lainnya banyak menggunakan spektrum gelombang pendek. Dengan
spektrum ini sebaran hamburan atmosferik dapat dianalisis dengan baik.
• 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
Bapak-Ibu yang terhormat, gelombang elektromagnetik memiliki spektrum

yang sangat luas. Sebagian kecil dari spektrum tersebut dapat ditangkap oleh mata
dan telinga manusia. Spektrum yang dapat ditangkap oleh mata manusia disebut
spektrum tampak. Rentang panjang gelombang dari spektrum ini adalah antara 0,4
µm hingga 0,7 µm. Spektrum ini memiliki sifat sebagai cahaya. Rentang spektrum
ini yang memungkinkan mata manusia dapat mengindera keberadaan obyek dan
menangkap atribut obyek tersebut. Spektrum yang dapat ditangkap oleh telinga
adalah panjang gelombang elektromagnetik yang memiliki sifat suara.
Penginderaan jauh memanfaatkan rentang spektrum ini secara terpotong atau
utuh sebagai saluran pankromatik. Rentangan dari spektrum dapat dilihat pada
Gambar 3.
Gambar 3. Rentang spektrum elektromagnetik

Sumber gambar : http://www.nrcan.gc.ca/earth-sciences/geomatics/satellite-imagery-air-
photos/satellite-imagery-products/educational-resources/14623
Gambar 3. merupakan ilustrasi dari potongan rentang spektrum

elektromagnetik. Batang paling kiri menggambarkan potongan rentang spektrum
gelombang elektromagnetik secara keseluruhan. Pada diagram tersebut tergambar
46
rentangan spektral terbentang dari gelombang pendek yang berupa sinar Gamma,
hingga gelombang panjang yang berupa gelombang radio. Spektrum gelombang
pendek dari sinar Gamma, sinar X, dan Ultra Violet banyak digunakan pada bidang
kesehatan. Penginderaan jauh pada umumnya menggunakan spektrum tampak
hingga spektum infra merah. Perluasan dari spektrum tampak tersebut adalah
spektrum infra merah yang digunakan pada berbagai satelit sumber daya.
Spektrum tampak (visible spectrum) terrentang dari sekitar 400 nm hingga
700 nm. Kemampuan mata manusia hanya menangkap spektrum pada rentang ini.
Spektrum tersebut jika dibandingkan dengan keseluruhan rentang spektrum
merupakan satu bidang yang sangat sempit (lihat batang paling kiri dari gambar di
atas). Dalam penginderaan jauh rentang spektrum ini digunakan dalam beberapa
saluran sensor. Sebagai contoh satelit seri Landsat memotong spektrum ini menjadi
tiga saluran yaitu band biru, hijau dan merah ditambah dengan satu saluran
pankromatik yang menggunakan seluruh spektrum tersebut dalam satu sensor.
Berikut adalah contoh dari saluran-saluran dari satelit Landsat 7 ETM+ dan Landsat
8 OLI.
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.
iii. Interaksi Gelombang Elektromagnetik Dengan Obyek Muka Bumi
Bapak-Ibu pesesrta PPG yang terhormat, selanjutnya mari kita pelajari

tentang interaksi gelombang elektromagnetik dengan obyek muka bumi.
Gelombang elektromagnetik yang dipancarkan oleh matahari mengalami tiga
macam kejadian ketika gelombang tersebut mengenai obyek di muka bumi. Energi
gelombang elektromagnetik akan dipantulkan (reflected), diserap (absorbed), dan
diteruskan (transmited). Berdasar hal tersebut, energi total yang diterima obyek
adalah penjumlahan nilai energi yang terpantulkan, diserap dan diteruskan oleh
49
obyek. Ilustrasi interaksi gelombang elektromagnetik dengan obyek muka bumi
dapat dilihat pada Gambar 5. berikut.
Pancaran energi datang
energi dipantulkan
energi
diserap
energi diteruskan
Gambar 5. Interaksi gelombang elektromagnetik dengan obyek

Gambar 5. memberikan ilustrasi energi yang datang menuju obyek
selanjutnya akan dipantulkan, diserap, dan diteruskan oleh obyek. Secara matematis
total energi yang diterima tersebut adalah sebagai berikut.
εTotal = εa + εr + εt
Keterangan :
εTotal : Energi total yang diterima obyek
εa : energi di serap
εr : energi di pantulkan
εt : energi di teruskan
Perbandingan energi yang dipantulkan, diserap, dan diteruskan oleh obyek

sangat dipengaruhi oleh jenis obyek dan panjang gelombangnya. Perbandingan
energi ini membentuk karakteristik spesifik yang dihasilkan dari interaksi
gelombang elektromagnetik dengan obyek. Karakteristik spesifik ini secara
bersama-sama dapat digunakan sebagai dasar pengenal obyek. Pemanfaatan
karakteristik spesifik ini banyak dilakukan dalam proses interpretasi dan klasifikasi
citra penginderaan jauh digital. Sebagai contoh, tubuh air akan memantulkan
sebagian kecil gelombang pendek (biru) dan menyerap hampir seluruh panjang
gelombang panjang (inframerah). Karakteristik hampir berkebalikan adalah tanah
terbuka yang kering, dimana memiliki grafik pantulan energi yang terus meningkat
50
dari gelombang pendek menuju gelombang panjang. Pantulan energi spektrum biru
pada tanah terbuka yang kering tersebut relatif lebih kecil dibandingkan pantulan
energi spektrum inframerah.
Pola pantulan energi terhadap obyek pada permukaan bumi ini disebut sebagai
pola spektral. Karakteristik pantulan energi gelombang elektromagnetik pada satu
obyek ini berguna untuk identifikasi jenis dan kondisi obyek dalam penginderaan
jauh (Aggarwal, 2004). Energi elektromagnetik pada beberapa panjang gelombang
mengalami penyerapan yang besar, sehingga nilai energi yang dipantulkan akan
lebih kecil dibandingkan pada panjang gelombang yang lain.
Obyek dominan di permukaan bumi yaitu vegetasi, tanah, dan air. Ketiga
obyek utama ini yang banyak dijadikan dasar interpretasi dan analisis data
penginderaan jauh. Pola spektral dari ketiga obyek utama ini memiliki karakter
yang berbeda seperti dapat dilihat pada Gambar 6.
Gambar 6. Pola spektral vegetasi. Sumber gambar : Aggarwal, 2004.
Mari kita perhatikan Gambar 6 yang menunjukkan karakteristik pantulan

spektral dari obyek vegetasi, tanah kering, tanah basah, air jernih dan air keruh.
Pada gambar tersebut secara jelas terdapat perbedaan pola spektral dari obyek
pokok di muka bumi ini. Obyek air dalam berbagai kondisinya menunjukkan pola
yang menurun dari saluran biru hingga inframerah dekat. Obyek vegetasi
menunjukkan pola fluktuatif dimana lonjakan pantulan yang besar terjadi pada
gelombang inframerah dekat. Cekungan grafik terjadi pada inframerah tengah dan
jauh yang diakibatkan oleh serapan air. Obyek tanah dengan berbagai kondisinya
memiliki kecenderungan menaik dari posisi kiri atau gelombang biru menuju kanan
51
atau gelombang inframerah. Cekungan grafik juga terjadi akibat serapan air seperti
pada pola spektral vegetasi. Bapak-Ibu yang terhormat, mengapa hal ini bisa
terjadi? Uraian berikut akan lebih menjelaskan kejadian tersebut.
Pantulan spektral air dicirikan oleh grafik yang terus menurun dari spektrum
biru hingga inframerah dekat. Nilai pantulan air pada spektrum inframerah hampir
mendekati nol karena hampir seluruh energi pada spektrum tersebut terserap oleh
air. Nilai pantulan spektral dipengaruhi oleh kedalaman air serta keberadaan dan
tingkat konsentrasi kandungan suspensi material organik dan anorganik pada air.
Pantulan spektral yang diperoleh dari pantulan material yang terlarut pada air
disebut dengan istilah volume reflectance (Mather, 2004). Gelombang
elektromagnetik pada spektrum tampak dan inframerah secara alamiah terserap
oleh tubuh air. Pada kedalaman 20 meter, seluruh unsur spektrum inframerah dekat
telah terserap habis. Spektrum yang dapat terpantulkan hanyalah sebagian dari
spektrum biru.
Karakteristik pantulan vegetasi dipengaruhi oleh kandungan pigmen daun,
material organik, air dan karakteristik struktural daun seperti bentuk daun dan luas
daun (Huete and Glenn, 2011). Pantulan spektral yang rendah pada spektrum biru
dan merah disebabkan karena vegetasi menyerap banyak energi pada kedua
spektrum tersebut oleh klorofil daun. Hilangnya klorofil daun mengakibatkan
semakin kecilnya serapan energi pada spektrum biru dan merah dan meningkatkan
nilai pantulan pada spektrum tersebut. Pantulan spektral meningkat secara drastis
pada rentangan spektral inframerah yaitu antara 0.65 hingga 0.76 µm. Area serapan
pada spektrum inframerah selanjutnya terjadi pada kisaran 1,5 nm dan 2,0 nm.
Serapan energi ini disebabkan oleh molekul uap air. Area serapan ini nampak
sebagai dua buah cekungan pada rentang spektrum infra merah tersebut. Indek
vegetasi seperti NDVI, EVI, PVI, dan lain-lain memanfaatkan saluran pada kisaran
panjang gelombang ini, yaitu dengan memadukan saluran merah dan inframerah
dekat.
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
52
pada spektrum ultraviolet, sehingga nilai pantulan tanah pada spektrum tersebut
sangat rendah. 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.
c. Sistem Penginderaan Jauh

Bapak-Ibu yang terhormat, selanjutnya mari kita dalami terkait sistem yang
ada pada penginderaan jauh ini. Penginderaan jauh sangat terkait sumber energi,
interaksi energi di atmosfer, interaksi energi dengan permukaan bumi. Hal lain yang
harus dipahami adalah proses perekaman energi yang digunakan dalam
penginderaan jauh. Proses perekaman energi dilakukan menggunakan sensor peka
energi-energi tersebut. Seperti tubuh manusia, masing-masing sensor seperti mata
dan telinga memiliki kepekaan yang berbeda-beda terhadap energi yang
diterimanya. Informasi yang diterima oleh sensor ini akan saling mendukung
menjadi informasi yang utuh. Sensor harus dipasang pada suatu wahana bergerak
dengan jarak yang stabil antara obyek dengan wahana agar sensor dapat merekam
energi-energi tersebut dengan baik. Wahana yang membawa sensor ini dapat berupa
wahana yang bergerak di darat melalui cara terestrial, pesawat udara, balon,
ataupun satelit.
Sensor terestrial sering digunakan untuk merekam berbagai informasi detil
tentang permukaan bumi sebagai pelengkap informasi yang dikumpulkan melalui
pesawat udara ataupun satelit. Perekaman menggunakan cara ini dapat memberikan
pemahaman yang lebih mendalam dan lengkap tentang suatu obyek dari hasil
identifikasi melalui foto udara atau citra satelit. Sensor melalui cara terestrial ini
dapat diletakkan pada suatu gedung yang tinggi, crane, atau mobil.
Sensor dengan menggunakan pesawat udara memberikan hasil berupa foto
udara. Citra foto udara memberikan informasi citra yang cukup detil. Cakupan dari
citra ini lebih luas dari pada metode terestrial. Sensor untuk merekam informasi
diletakkan pada tubuh atau sayap pesawat. Perekaman melalui satelit menghasilkan
informasi berupa citra satelit. Satelit diluncurkan dan bergerak pada orbitnya
dengan membawa beberapa sensor. Masing-masing sensor memiliki kepekaan yang
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.
i. Penginderaan Jauh Sistem Pasif
Penginderaan jauh sistem pasif adalah penginderaan jauh yang menangkap

energi yang berasal dari obyek. Sensor satelit sistem ini tidak membangkitkan
energi sendiri. Energi utama dalam sistem penginderaan jauh pasif ini berasal dari
matahari. Energi dari matahari dipancarkan ke obyek dan kemudian terpantulkan
menuju sensor. Energi dapat pula berasal dari pancaran suatu obyek seperti sumber-
sumber thermal, misal lokasi kebakaran hutan, sumber panas bumi, dan lain-lain.
Ilustrasi dari sistem penginderaan jauh pasif ini dapat Bapak-Ibu lihat pada ilustrasi
berikut.
Sumber energi
Sensor
gelombang
elektromagnetik
memantul menuju
1
Data citra
gelombang
elektromagnetik
Permukaan bumi
memancar dari
Gambar 7. Penginderaan jauh sistem pasif
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.
ii. Penginderaan Jauh Sistem Aktif
Penginderaan jauh sistem aktif adalah penginderaan jauh yang menggunakan

energi yang berasal dari sensor tersebut. Sensor membangkitkan energi yang
diarahkan ke obyek, kemudian obyek memantulkan kembali ke sensor. Energi yang
kembali ke sensor membawa informasi tentang obyek tadi. Serangkaian nilai energi
yang tertangkap sensor ini disimpan sebagai basis data dan selanjutnya dianalisis.
Penginderaan jauh aktif dapat dilakukan pada siang ataupun malam hari. Sistem
penginderaan jauh aktif tidak tergantung pada adanya sinar matahari, karena energi
bersumber dari sensor. Contoh dari system penginderaan jauh aktif ini adalah
system kerja radar. Radar membangkitkan energi yang diarahkan ke obyek. Energi
yang sampai pada obyek sebagian terpantul dan kembali ke sensor. Sensor radar
kembali menangkap energi tersebut, energi yang telah melakukan perjalanan
menuju obyek. Sistem penginderaan jauh ini memiliki kelebihan yaitu terkait
dengan kemampuan daya tembus dari panjang gelombang yang digunakannya.
Gelombang elektromagnetik pada sistem ini pada umumnya menggunakan
spektrum geolombang panjang, sehingga mampu melalui gangguan atmosferik
seperti hamburan dan awan.
Radar ( Radio Detection And Ranging) merupakan salah satu bentuk
penginderaan jauh dengan sistem aktif. Beberapa fungsionalitas dari radar sistem
aktif ini diantaranya adalah Radar Imaging System yang menghasilkan citra radar,
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
Gambar 8. Penginderaan jauh sistem aktif

Gambar 8. merupakan ilustrasi dari penginderaan jauh sistem aktif. Energi
gelombang magnetik berasal dari sensor penginderaan jauh. Gelombang
elektromagnetik merambat menuju obyek di muka bumi dan dipantulkan kembali
menuju sensor. Sensor merekam pantulan gelombang elektromagnetik tersebut
sebagai data.
Dua tipe radar yang sering digunakan adalah RAR (Real Aperture Radar) dan
SAR (Synthetic Aperture Radar). Real Aperture Radar juga sering disebut dengan
SLAR (Side Looking Airborne Radar). Kedua tipe ini sebenarnya adalah sistem
radar dengan pemancaran sinyal searah yang biasanya menggunakan pesawat
terbang.
Perbedaan pokok antara sistem RAR dan SAR adalah pada arah azimutnya.
Real Aperture Radar memiliki resolusi azimut yang ditentukan oleh lebar sapuan
56
(beamwidth), sehingga resolusi azimutnya proporsional dengan jarak antara radar
dengan targetnya. Synthetic Aperture Radar menggunakan pemrosesan sinyal
untuk mensintesiskan beberapa rangkaian rekaman pantulan sinyal yang tertangkap
sensor.
Citra radar memiliki karakteristik yang secara mendasar berbeda dengan
berbagai citra yang diperoleh secara optis seperti citra satelit sumberdaya ataupun
foto udara. Karakteristik ini terkait dengan teknik yang digunakan dalam
pengambilan citra radar dan juga pada konsep radiometri. Citra radar yang tercetak
menjadi bentuk hardcopy, secara visual akan nampak sangat berbeda dengan citra
yang dihasilkan dari citra satelit lain ataupun pandangan mata manusia.
Bayangan pada citra radar terkait dengan kemiringan pancaran energi
gelombang mikro dari sistem radar, bukan karena faktor geometri sudut pancaran
matahari. Tingkat keabu-abuan (greyscale) pada citra radar terkait dengan kekuatan
relatif gelombang mikro yang dipencarbalikkan oleh elemen bentang lahan.
Intensitas nilai pencarbalikan sinyal akan berragam tergantung pada kekasaran
bentang lahan dan kemiringan lahan. Sinyal radar terutama terkait dengan kondisi
geometris area yang menjadi target.
Parameter yang digunakan dalam analisis citra radar adalah rona, tekstur,
bentuk, struktur, dan ukuran. Rona pada citra radar adalah intensitas rata-rata dari
sinyal yang terpencarbalikkan. Sinyal yang tinggi akan dimunculkan dengan rona
yang cerah, sedangkan sinyal rendah akan dimunculkan dengan rona gelap. Tekstur
pada citra radar terkait dengan distribusi spasial dari resolusi sel. Terdapat tiga
golongan tekstur pada citra radar ini yaitu tekstur mikro, tekstur meso dan tekstur
makro. Bentuk dapat didefinisikan sebagai bentuk spasial yang terkait dengan
kontur yang relatif konstan atau batas-batas obyek secara sederhana. Beberapa
obyek seperti jalan, jembatan, landasan pesawat terbang, dan lain-lain dapat
dikenali dari bentuknya. Struktur adalah susunan obyek secara spasial yang
meliputi seluruh wilayah dengan konfigurasi yang berulang. Ukuran obyek ini
digunakan sebagai elemen pengenal secara kualitatif pada citra radar. Ukuran dari
obyek yang dikenali pada citra memberikan pemahaman relatif tentang skala dan
berbagai dimensi dari obyek-obyek yang lain.
57
d. Orbit Satelit
Perekaman informasi oleh satelit dilakukan pada suatu jalur terbangnya. Jalur
terbang satelit ini disebut dengan Orbit. Orbit dari satelit disesuaikan dengan
kemampuan sensor dan tujuan perekamannya. Orbit satelit memiliki variasi pada
ketinggian, orientasi, ataupun rotasi relatifnya terhadap bumi. Berdasar pola
orbitnya, satelit penginderaan jauh dikenal geostationary orbit dan near polar orbit.
Perbedaan mendasar dari kedu orbit tersebut adalah pada arah pergerakan satelit
tersebut. Satelit dengan pola geostationary orbit bergerak searah dengan rotasi
bumi, sedangkan satelit near polar orbit bergerak tegak lurus dengan arah rotasi
bumi.
i. Geostationary Orbit
Satelit dengan orbit geostasioner memiliki ketinggian sekitar 36.000

kilometer. Kecepatan gerak rotasi sama dengan gerak rotasi bumi. Dengan
ketinggian dan kecepatan yang sama dengan rotasi bumi ini, maka satelit tersebut
dapat mengamati suatu wilayah secara terus-menerus di setiap waktu. Satelit ini
dapat mengamati berbagai perubahan yang terjadi setiap saat untuk wilayah yang
diamatinya. Satelit ini seakan-akan selalu berada ditempatnya (geostasioner).
Satelit yang menggunakan orbit ini biasanya adalah satelit komunikasi dan satelit
cuaca. Contoh dari satelit jenis ini adalah satelit Palapa yang dimiliki Indonesia.
Gambar 9. Orbit geostationary
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.
ii. Near Polar Orbit
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.
Gambar 10. Orbit near polar

Gambar 10. merupakan ilustrasi orbit near polar. Orbit satelit memotong arah
rotasi bumi pada porosnya. Paduan arah orbit satelit dengan rotasi bumi
59
mengakibatkan seakan-akan lokasi satelit selalu berpindah dari waktu ke waktu.
Pergerakan ini memungkinkan perekaman pada hampir seluruh permukaan bumi.
e. Resolusi Citra Pengideraan Jauh

Bapak-Ibu peserta PPG yang terhormat, terdapat beberapa jenis resolusi dari
data citra penginderaan jauh. Resolusi ini sangat penting untuk dipahami sebelum
menentukan jenis data citra yang akan digunakan dalam analisis kewilayahan. Jenis
resolusi itu adalah resolusi spasial, spektral, radiometrik dan temporal. Berikut
adalah uraian terkait dengan resolusi tersebut.
i. Resolusi Spasial
Ketinggian wahana perekam dengan permukaan bumi yang direkamnya
memainkan peranan dalam data hasil penginderaan ini. Jarak yang tinggi dari
wahana perekam memungkinkan merekam area permukaan bumi yang lebar.
Dengan kata lain, satelit ini memiliki area cakupan (swat) yang luas. Tetapi di sisi
lain, dengan semakin tingginya wahana perekam ini akan berakibat pada kedetilan
obyek yang dapat direkamnya. Obyek individual seperti rumah, pohon, dan
berbagai obyek lain sulit dipisahkan satu persatu secara individual.
Wahana perekaman seperti pesawat udara yang menghasilkan foto udara,
memiliki ketinggian terbang yang lebih rendah dibandingkan satelit.. Hal ini
memberikan pengaruh pada kedetilan data foto udara yang lebih memungkinkan
pemisahan dan identifikasi obyek secara individual dibandingkan dengan citra
satelit. Namun demikian, area cakupan dari sebuah data foto udara jauh lebih sempit
dibandingkan dengan area cakupan citra satelit.
Citra utuh
Piksel citra
Area terrekam
Permukaan bumi
30 m
30 m
Gambar 11. Resolusi spasial citra

60
Gambar 11. memberikan ilustrasi tentang resolusi spasial citra. Suatu area
dengan luasan tertentu di muka bumi akan terrekam sebagai sebuah piksel pada
citra. Ilustrasi tersebut menggambarkan resolusi spasial citra adalah seluas 30 meter
x 30 meter. Data spektral pada sebuah piksel citra mewakili energi yang berasal
dari area di muka bumi dengan luasan tersebut.
Kemampuan merekam obyek ini juga dipengaruhi oleh sensor. Sensor sebuah
satelit memiliki kemampuan merekam obyek terkecilnya berbeda-beda. Satelit
Landsat 7 ETM+ mampu merekam obyek terkecil dilapangan sebesar 30 x 30
meter, kecuali sensor pankromatik yang memiliki resolusi 15 meter. Satelit Ikonos
merekam dengan obyek terkecilnya 1 x 1 meter. QuickBird dengan ukuran obyek
terkecilnya 0,6 x 0,6 meter. Kemampuan sensor dalam merekam obyek terkecil
pada tiap pikselnya ini disebut dengan resolusi spasial. Resolusi spasial pada sensor
pasif terutama dipengaruhi oleh sudut pandangnya yang disebut dengan
Instantaneous Field of View (IFOV). Area dipermukaan bumi yang tercakup dalam
sebuah luasan IFOV disebut dengan sel resolusi (Resolution Cell).
Citra satelit terbentuk dari serangkaian matrik elemen gambar yang disebut
dengan piksel. Piksel merupakan unit terkecil dari sebuah citra. Piksel sebuah citra
pada umumnya berbentuk segi empat dan mewakili suatu area tertentu pada citra.
Jika sebuah sensor memiliki resolusi spasial 20 meter dan citra dari sensor tersebut
menampilkannya secara penuh, maka masing-masing piksel akan mewakili area
seluas 20 x 20 meter. Citra yang menampilkan area dengan cakupan yang luas
biasanya memiliki resolusi spasial yang rendah. Hal ini banyak terdapat pada citra-
citra dari satelit komersial. Citra dengan resolusi tinggi akan menampilkan obyek
secara detil. Satelit militer biasanya didesain untuk hal ini. Citra dari satelit ini
mampu menampilkan obyek secara detil.
ii. Resolusi Spektral
Resolusi spektral adalah adalah kemampuan sensor untuk membedakan

interval sebuah panjang gelombang. Semakin halus resolusi spektral sensor,
semakin pendek panjang gelombang dapat dipisahkan menjadi saluran-saluran
(band) yang terpisah. Sebagai contoh, citra satelit Landsat TM memiliki 7 saluran.
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).
400n 500n 600n 700n

m m m m
Sensor 1
Band 1 Sensor 2
Band 2
Band 3
Band 4
Band n
Gambar 12. Resolusi spektral citra
Gambar 12. merupakan ilustrasi dari resolusi spektral sensor. Sensor

merekam energi elektromagnetik dari obyek pada beberapa saluran. Sensor-sensor
tersebut hanya merekam pada satu rentang panjang gelombang tertentu. Hasil
rekaman dari sensor tersebut selanjutnya disebut sebagai saluran (band). Pada film
berwarna, interval panjang gelombang dari 0,4 mm hingga 0,7 mm tersebut
dipisahkan menjadi beberapa saluran yaitu saluran biru (0,4 – 0,5mm), saluran hijau
(0,5 – 0,6 mm) dan saluran merah (0,6 – 0,7 mm). Film ini akan menghasilkan citra
yang berwarna karena masing-masing saluran terrekam oleh pada salurannya
masing-masing. Gambar 12. sebelah kanan memberikan ilustrasi tentang kerincian
resolusi spektral citra. Berdasar ilustrasi tersebut, sensor 1 memiliki resolusi
spektral lebih tinggi dibandingkan dengan sensor 2. Sensor 1 membagi spektrum
62
tampak menjadi tiga saluran, sementara sensor 2 hanya menjadi satu saluran.
Masing-masing saluran tersebut akan menjadi satu buah data citra satelit.
iii. Resolusi Radiometrik
Karakteristik radiometrik menjabarkan kandungan informasi aktual sebuah

citra. Resolusi radiometrik dari suatu sistem pencitraan menguraikan
kemampuannya untuk membedakan perbedaan energi. Sensor dengan nilai resolusi
radiometrik halus akan lebih sensitif untuk mendeteksi perbedaan-perbedaan kecil
dalam sebuah energi terpantulkan.
iv. Resolusi Temporal
Disamping resolusi spasial, resolusi spektral, dan resolusi radiometrik, juga

penting dipahami tentang resolusi temporal. Resolusi temporal berkaitan dengan
waktu orbit dari satelit penginderaan jauh yang membawa sensor tersebut. Resolusi
temporal adalah waktu yang digunakan oleh suatu satelit dalam merekam data
sebuah wilayah dengan posisi yang sama. Suatu satelit akan merekam ulang sebuah
wilayah yang sama dalam beberapa periode ulangnya. Pada umumya sebuah satelit
merekam wilayah yang sama dalam beberapa hari kemudian setelah perekaman
pertamanya.
Sebagai contoh, satelit Landsat 8 OLI memiliki periode ulang setelah 16 hari.
Satelit ini kembali melakukan perekaman pada jalur yang sama yaitu pada hari ke
17. Sekali orbit satelit ini menempuh waktu selama 99 menit, sehingga satelit ini
mengorbit sebanyak limabelas orbit dalam waktu 24 jam. Kecepatan satelit pada
lintasannya adalah 4,7 mile per detik. Satelit bergerak dari utara ke selatan pada sisi
bumi yang tersinari matahari, dan dari selatan ke utara pada sisi bumi yang gelap.
Perubahan yang terjadi di permukaan bumi menimbulkan perubahan
karakteristik spektral pada citra. Dengan demikian, dengan melakukan
pembandingan karakteristik spektral pada citra yang berlainan waktu
perekamannya akan dapat peroleh analisis perubahan yang ada pada permukaan
bumi.
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.
a. Pengertian Sistem Informasi Geografis
Sistem Informasi Geografis (SIG) merupakan satu sistem yang banyak

dimanfaatkan dalam berbagai bidang. Sistem ini telah berkembang menjadi satu
ilmu dan teknologi yang mapan sejalan dengan perkembangan bidang ilmu lain
khususnya teknologi informasi (Liu dan Mason, 2009). Perkembangan SIG ini
banyak diwarnai oleh latar belakang dari penggunanya yang tercermin dari
bervariasinya definisi dari SIG itu sendiri. Teknologi SIG digunakan untuk
mengatur dan memanfaatkan data geografis. Secara luas sistem ini dikenal sebagai
satu teknik analisis spasial dalam berbagai bidang seperti pengelolaan kehutanan,
perencanaan perkotaan, teknik sipil, pengelolaan permukiman, bisnis, dan studi
lingkungan hidup.
Sejalan dengan luasnya bidang aplikasi dari SIG ini, terdapat banyak definisi
dari SIG ini. Namun demikian, di antara keragaman definisi tersebut dapat dilihat
adanya kemiripan satu dengan yang lainnya. Kemiripan tersebut dapat dilihat pada
kemampuan SIG ini dalam mengelola, menganalisa dan menampilkan data spasial.
Definisi konseptual tentang SIG banyak ditemukan pada referensi-referensi lama.
Satu contoh dari definisi SIG seperti disebutkan oleh Bernhardsen (1992) adalah
bahwa SIG merupakan serangkaian sistem perangkat keras dan lunak komputer
yang memiliki fungsi-fungsi untuk perolehan dan verifikasi, kompilasi,
penyimpanan, pembaruan dan perubahan, pengelolaan dan peralihan, manipulasi,
perolehan ulang dan penampilan, analisis dan kombinasi atas data geografis.
64
Pernyataan lain oleh DeMers (1997) secara lebih sederhana mendefisikan SIG
sebagai serangkaian subsistem yang terdiri atas subsistem input data, subsistem
penyimpanan dan perolehan ulang data, subsistem manipulasi dan analisis data, dan
subsistem pelaporan data. Selanjutnya dinyatakan bahwa SIG merupakan
serangkaian peralatan yang berdaya guna untuk pengumpulan, penyimpanan, dan
menganalisis data spasial.
Berdasar definisi konseptual tersebut dapat dipahami bahwa SIG merupakan
satu sistem yang secara garis besar terdiri dari serangkaian perangkat keras dan
lunak serta data spasial sebagai sumber informasinya. Sebuah SIG
mengintegrasikan perangkat keras, perangkat lunak, dan data spasial untuk
perolehan, pengelolaan, analisa, dan menampilkan berbagai bentuk informasi
berreferensi geografis. SIG menurunkan berbagai informasi dari dunia nyata di
muka bumi yang bersifat kompleks dalam bentuk informasi digital. Informasi yang
dihasilkan merupakan informasi spasial yang dapat berupa peta digital ataupun data
atributal. Perolehan informasi spasial dapat dilakukan melalui proses analisis
spasial yang menjadi kekuatan utama dalam SIG ini dibandingkan dengan sistem
informasi lainnya.
b. Data Spasial pada Sistem Informasi Geografis

i. Karakteristik Data
Data yang dimaksud dalam definisi-definisi SIG di atas adalah data spasial
yang berasal dari berbagai sumber. Data spasial ini merupakan data pokok yang
diolah dalam SIG. O'Brien (1992) menjelaskan bahwa data spasial adalah data yang
memiliki referensi geografis. 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 (Bernhardsen, 1992; DeMers, 1997).
Dunia nyata (real world) adalah segala sesuatu yang terdapat di alam. Dunia
nyata memiliki kompleksitas baik dari ukuran, jenis, dan waktu peristiwa.
Kenyataan di lapangan berasal dari segala sesuatu yang berukuran atomik hingga
masalah benua atau yang lebih luas lagi, dari peristiwa yang terjadi ribuan tahun
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.
ii.Bentuk Data Spasial

Data spasial sering diwujudkan dalam dua bentuk yaitu data digital dan data
analog. Data digital dihasilkan atas suatu proses digital menggunakan perangkat
komputer, sedangkan data analog dihasilkan dari proses manual ataupun cetak dari
data digital. Data digital dan analog memiliki karakteristik yang berbeda. Perbedaan
karakteristik ini mencakup bentuk dan ukuran data. Karakteristik data ini
memberikan pengaruh terhadap cara pengelolaan dan pengolahannya dalam
aplikasi. Data analog pada umumnya memerlukan metode-metode manual,
sementara data digital memerlukan metode terotomasi berbantuan komputer. Data
67
digital pada saat ini lebih banyak dimanfaatkan dalam berbagai aplikasi. Berikut
karakteristik dari dua bentuk data tersebut.
Tabel 4. Karakteristik data spasial

Data Digital Data Analog
• Mudah diperbarui • Perbaikan harus meliputi seluruh peta
• Mudah dan cepat • Sulit untuk proses pemindahan data
dipindahkan
• Ruang penyimpan kecil • Diperlukan ruang luas untuk
penyimpanan
• Mudah di kelola • Diperlukan kertas cetak yang terpisah
• Data dilakukan analisis • Sulit dan kurang akuran dalam proses
terotomasi analisis
Sumber : Bernhardsen, 1992
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. Citra satelit sebagai data spasial dalam SIG
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)
(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.
iii. Input Data Spasial
Seperti telah diuraikan dimuka, SIG menggunakan banyak jenis data.

Masing-masing jenis data tersebut memiliki karakteristik yang berbeda. Perbedaan
ini pada akhirnya menentukan cara proses input dan proses pengolahannya. Berapa
jenis data yang dapat digunakan dalam SIG secara umum menurut Bernhardsen
(1992) adalah :
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 :
a. digitasi peta eksisting melalui digitizer atau onscreen digitizing.

b. penyiaman atau scanning
c. entri manual dari tabel hasil pengukuran dan tabel koordinat
d. transfer data digital
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.
Tahap persiapan sebelum digitasi ditujukan untuk menyiapkan berbagai data

terkait yang diperlukan dalam proses digitasi tersebut. Data pokok yang akan
didigitasi harus diperiksa ketersediaan kontrol lapangannya. Kontrol lapangan ini
dapat diabaikan jika telah terdapat grid koordinat pada sebuah peta dasar awal yang
akan di digitasi. Data terkait dengan data pokok tersebut yang harus diperhatikan
adalah tabel-tabel informasi dari obyek akan didigitasi. Sebagai contoh adalah
keterangan data kelas jalan, lebar jalan, nama jalan dan lain-lain dalam persiapan
pembuatan peta jalan.
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.
Proses editing dilakukan setelah proses digitasi selesai. Editing meliputi

koreksi kesalahan, input data yang hilang, dan pembangunan topologi. Data hasil
digitasi diverifikasi melalui layar ataupun melalui data peta tercetak. Perbaikan
dilakukan terhadap kesalahan geometris ataupun posisi fitur. Kesalahan geometris
akan lebih mudah dilakukan melalui layan komputer dengan cara memperbesar
tampilan fitur. Kesalahan-kesalahan undershoot dan overshoot sering terjadi jika
proses digitasi dilakukan dengan menggunakan perangkat keras digitizer atau
perangkat lunak CAD. Perbaikan geometri juga dilakukan dengan proses
penggeseran vertek untuk memperhalus bentuk fitur dan sesuai dengan data asli.
Proses editing juga dilakukan terhadap data atribut fitur. Proses ini dilakukan jika
masih terdapat kesalahan atau tidak kesesuaian dengan yang seharusnya.
Pada perangkat lunak versi lama pembentukan topologi dilakukan setelah

proses digitasi dan editing selesai. Perkembangan teknologi perangkat lunak SIG
saat ini, memberikan langkah yang lebih sederhana terhadap proses ini. Topologi
secara terotomasi telah terbentuk bersamaan dengan proses input data data.
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.
Perkembangan teknologi perangkat lunak SIG saat ini telah mendukung

proses pengolahan data spasial raster seperti data citra satelit penginderaan jauh.
73
Kemampuan ini mendukung analisis spasial dan pemodelan berbasis data raster
tersebut.
c. Operasi spasial dalam Sistem Informasi Geografis
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.
i. Operasi layer tunggal
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.
Gambar 16. Buffer fitur garis dari peta jalan

Gambar 16. menunjukkan satu bentuk poligon penyangga (buffer) sebagai
contoh hasil dari proses buffering. Fitur garis dijadikan sebagai dasar perhitungan
area buffer tersebut. Area penyangga dari satu buah fitur titik akan menghasilkan
bentuk lingkaran. Jika jarak antar fitur titik tersebut lebih kecil dari pada jarak
buffer yang ditentukan, maka area penyangga akan membentuk area yang meliput
75
seluruh titik tersebut. Pada fitur garis dan poligon, area penyangga akan berbentuk
menyerupai bentuk garis tersebut.
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 :
input theme + overlay theme = output theme
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.
Gambar 18. Diagram proses operasi tumpang susun
Diagram dalam Gambar 18. menunjukkan operasi tumpang susun dilakukan

secara bertahap. Dua layer data spasial dilakukan pada putaran pertama yang akan
menghasilkan data spasial baru dengan nama overlay 1. Proses selanjutnya
melakukan operasi tumpang susun kedua pada dua data spasial yang lain yang akan
menghasilkan data spasial bernama overlay 2. Tahap terakhir adalah melakukan
proses tumpang susun data spasial overlay 1 dan overlay 2 yang akan menghasilkan
data spasial baru bernama overlay akhir.
Operasi tumpang susun juga dapat dilakukan pada data raster dengan
menggunakan operasi matematis. DeMers (1997) menyebut operasi tersebut
sebagai operasi mathematically based overlay. Contoh operasi ini adalah proses
78
matematis yang dilakukan dalam pemrosesan data penginderaan jauh seperti pada
gambar berikut.
Gambar 19. Proses operasi matematis pada data raster

Gambar 19. merupakan proses operasi matematis pada data raster yang
berasal dari data penginderaan jauh dengan menggunakan salah satu perangkat
lunak SIG. Operasi matematis ditunjukkan seperti pada baris formula. Operasi ini
menghasilkan satu data spasial baru bertipe raster dengan nilai dari masing-masing
piksel sebesar hasil perhitungan formula tersebut.
b) Kedekatan Jarak (proximity)
Analisis kedekatan jarak (proximity) merupakan analisis yang didasarkan
pada jarak geometrik untuk menentukan kedekatan jarak dari satu atau lebih objek
target. Gambar berikut adalah contoh identifikasi fitur yang didasarkan pada fitur
pada layer yang lain. Operasi identifikasi pada peta persil didasarkan pada fitur
poligon dan fitur titik yang berada diluar dari peta persil tersebut.
Fitur lain hanya digunakan sebagai dasar identifikasi secara spasial. Obyek
yang berada sepenuhnya di dalam poligon akan teridentifikasi, atau obyek yang
sepenuhnya bertepatan dengan fitur titik akan teridentifikasi. Gambar di atas
sebelah kiri, nampak seluruh persil yang berada dalam lingkaran teridentifikasi dan
disimbolkan dengan warna yang berbeda. Gambar sebelah kanan nampak, persil
yang bertepatan dengan lokasi titik akan teridentifikasi dan disimbolkan dengan
warna yang berbeda.
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.
Gambar 21. Operasi korelasi spasial menggunakan scatterplot

Gambar 21. menunjukkan nilai korelasi dari sebagai data kerapatan tutupan
lahan dengan nilai indeks vegetasi. Nilai korelasi ditunjukkan pada formulasi yang
tertulis di atas grafik tersebut. Formula regresi yang dihasilkan dari proses ini
selanjutnya dapat digunakan sebagai dasar perhitungan dan analisis terkait
fenomena yang dikorelasikan tersebut.
iii. Transformasi Spasial
Operasi lain yang termasuk kategori transformasi spasial adalah digitasi dan
generalisasi peta, proyeksi dan transformasi berbasis pada grid. Proses dalam
operasi ini pada umumnya menghasilkan data baru dengan satu kondisi yang baru.
Beberapa proses membangun data spasial baru seperti pada proses digitasi,
sementara proses lain hanya mengubah atribut intrinsiknya seperti proses
transformasi dan proyeksi.
Pembentukan data vektor dapat dilakukan dengan menggunakan teknik
ploting dari suatu data koordinat. Proses ini menghasilkan satu data spasial digital
baru yang selanjutnya digunakan dalam berbagai analisis pada SIG. Generalisasi
merupakan proses pengubahan geometri data dengan pengurangan vertek sehingga
diperoleh bentuk yang lebih sederhana. Proses ini dapat dilakukan secara terotomasi
melalui modul yang telah tersedia pada perangkat lunak SIG.
Data digital hasil digitasi ini perlu memiliki titik ikat sebagai acuan
georeferensi dalam satu sistem proyeksi tertentu. Proses pemasangan titik ikat ini
adalah satu contoh dari proses transformasi dan proyeksi. Proses proyeksi dapat
81
pula dilakukan dengan mengubah sistem proyeksi pada data spasial menjadi satu
sistem proyeksi yang lain. DeBruin dan Moleenar (2002) menyebutkan bahwa
terdapat tiga metode transformasi yang banyak digunakan untuk rektifikasi data
raster dalam SIG yaitu nearest neighbor, bilinear interpolation, dan cubic
convolution.
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
Modul 1 :
Pemanfaatan Penginderaan Jauh dan Sistem Informasi Geografis
untuk Pengelolaan Sumberdaya, Mitigasi, dan Pembangunan Wilayah

Republik Indonesia
2019
85
Modul 1 :
Kegiatan Belajar 3:
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
Dalam substansi keilmuan, setiap guru geografi wajib menguasai
pengetahuan geografi yang setara dengan pengetahuan geografi yang dikuasai oleh
Sarjana Geografi.

Peserta memiliki pengetahuan tentang sinergi metode penginderaan jauh dan
sistem informasi geografis, aplikasi untuk kajian sumber daya, mitigasi bencana,
dan perencanaan wilayah dan lingkungan.
86
D. URAIAN MATERI : Pemanfaatan Penginderaan Jauh Dan Sistem
Informasi Geografis Untuk Kajian Lingkungan Dan Pembangunan
Wilayah
1. Sinergi Penginderaan Jauh dan Sistem Informasi Geografis
Sejak lahir manusia memahami dan mengenal lingkungan sekitarnya dengan

pandangan mata. Manusia mengenal adanya berbagai obyek dengan melakukan
pengamatan. Berbagai kejadian alam yang terjadi teramati dalam batas-batas
pandangan visualnya. Pengenalan lingkungan melalui amatan-amatan visual ini
telah berlangsung berabad-abad. Metode pengenalan terhadap lingkungan berdasar
pada amatan visual tentu memiliki keterbatasan-keterbatasan terutama terkait
dengan luas area amatannya. Kejadian-kejadian seperti perubahan luas tutupan
vegetasi, perubahan luas penggurunan, perubahan tutupan es, ataupun
penggundulan hutan tidak teramati dengan baik melalui pengamatan secara
langsung.
Pada awal kemunculannya, penginderaan jauh muncul dengan data-data
analog yang bersifat lokal seperti foto-foto udara. Data ini membuka wawasan
tentang pentingnya informasi spasial yang seakurat mungkin dengan kondisi
senyatanya. Informasi melalui udara ini berkembang dengan dukungan dari
perkembangan teknologi dirgantara seperti pesawat terbang, roket, dan satelit.
Perkembangan teknologi penginderaan jauh selanjutnya melahirkan data-data citra
dalam berbagai tingkat resolusi spasial, spektral, radiometrik dan temporal. Potensi
aplikasi dari data-data citra penginderaan jauh itu tidak terbendung pada berbagai
bidang. Walaupun tentu saja bukan berarti penginderaan jauh tidak memiliki
kekurangan, namun data penginderaan jauh mampu memberikan informasi spasial
yang luas. Melalui data-data penginderaan jauh multi temporal dapat dihasilkan
pembandingan informasi spasial dari satu waktu dengan waktu yang lain. Data
penginderaan jauh seperti foto udara dan citra satelit dapat meningkatkan akurasi
dan kecepatan analisa terhadap berbagai. Penginderaan jauh pada saat ini bukan
hanya sekedar suatu fenomena teknis, tetapi telah berkembang menjadi suatu
bagian penting dalam memahami berbagai permasalahan perubahan lingkungan
(Adams, 2006).
87
Penginderaan jauh modern diawali dengan diluncurkannya satelit Landsat
Multispectral Scanner System (MSS) pada tahun 1972 (Schowengerdt, 2007).
Satelit ini memiliki empat saluran dengan lebar spektral sekitar 100 nm, dan
resolusi spasial 80 meter. Peluncuran satelit ini mengawali sistem penginderaan
jauh sistem satelit digital. Perkembangan selanjutnya terjadi peningkatan yang
signifikan terutama dalam pemotongan rentang spektral untuk setiap saluran citra.
Satelit hyperspectral seperti MODIS memiliki jumlah saluran sebanyak 36 band.
Dengan kemampuannya tersebut, satelit dapat diaplikasikan dalam banyak hal.
Kemampuan satelit ini banyak dimanfaatkan dalam berbagai hal yang bersifat
spasial.
Sebagian besar dari aplikasi data penginderaan jauh dimanfaatkan untuk
pengelolaan sumberdaya. Perkembangan teknologi satelit berresolusi tinggi
selanjutnya memungkinkan pengenalan sifat fisik dan bentuk obyek dipermukaan
bumi secara individual juga dapat dilakukan. Satelit penginderaan jauh yang banyak
dimanfaatkan selama ini merupakan satelit yang menggunakan sistem optis.
Penginderaan jauh sistem optis ini memanfaatkan spektrum tampak hingga infra
merah (Liang, 2004). Rentang gelombang elektromagnetik yang lebih luas dalam
penginderaan jauh meliputi gelombang pendek mikro hingga spektrum yang lebih
pendek seperti gelombang infra merah, gelombang tampak, dan gelombang ultra
violet (Elachi, 2006).
Pengolahan data-data citra penginderaan jauh dalam berbagai aplikasi
tersebut memanfaatkan berbagai perangkat lunak sistem informasi geografis.
Sistem informasi geografis ini memberikan berbagai teknik pengolahan dan analisis
data spasial termasuk data-data penginderaan jauh. Teknik overlay atau tumpang
susun data spasial adalah teknik yang sangat sering diaplikasikan dalam kajian
lingkungan. Teknik overlay banyak diaplikasikan dalam analisis yang mendasarkan
pada data vektor. Teknik overlay pada data raster dilakukan dengan menggunakan
proses aritmetik matematis. Proses aritmetik matematis dalam kajian tersebut
dimanfaatkan sebagai kesamaan dengan proses overlay dalam data vektor. Proses
overlay dan aritmetik matematis ini ditujukan untuk menghasilkan data spasial baru
hasil paduan dari beberapa data spasial masukan. Teknik pemilihan fitur
88
diaplikasikan untuk tujuan klasifikasi spasial berdasar parameter tertentu seperti
dilakukan oleh Solomon dan Quiel (2008), Croskrey dan Groves (2008). Teknik
pemilihan fitur pada umumnya dilakukan sebagai klasifikasi awal pada layer
tunggal. Proses ini dilakukan untuk memberikan nilai bobot dari masing-masing
fitur. Teknik ini banyak dilakukan dalam analisis berbasis data vektor.
Penginderaan jauh dan sistem informasi geografis pada akhirnya merupakan
satu metode yang sering digunakan secara bersama-sama. Kemampuan yang
dimiliki oleh penginderaan jauh dan sistem informasi geografis saling mengisi dan
melengkapi ketika digunakan secara bersama-sama. Sinergi dari penginderaan jauh
dan sistem informasi geografis terbukti memberikan hasil yang baik untuk
pemecahan permasalahan yang berkaitan dengan data spasial. Penginderaan jauh
memiliki kelebihan dalam penyediaan data-data citra dengan berbagai resolusi.
Sementara itu sistem informasi geografis memiliki kekuatan dalam pengolahan
data-data spasial baik vektor maupun raster. Sinergi kedua metode ini melahirkan
wawasan baru dalam pengembangan metode ilmiah khususnya dalam bidang ilmu
kebumian. Perkembangan metodologi penginderaan jauh dan SIG saat ini bahkan
telah diaplikasikan dalam kajian-kajian ilmu sosial dan kesehatan.
Kemampuan yang dimiliki oleh penginderaan jauh dan sistem informasi
geografis tersebut mampu menjadi satu kekuatan yang saling bersinergi. Hingga
saat ini penginderaan jauh telah diaplikasikan untuk keperluan pengelolaan
lingkungan, ekologi, degradasi lahan, bencana alam, hingga perubahan iklim
(Horning, 2004). Xiao dkk (2009) menyatakan bahwa teknologi penginderaan jauh
dan sistem informasi geografis dapat digunakan untuk mengidentifikasi pola
bentang lahan dan menganalisis proses-proses ekologis yang terjadi pada berbagai
pola bentang lahan karst tersebut. Cakupan perekaman yang luas, banyaknya
saluran dan periode ulang perekaman yang cepat memungkinkan proses monitoring
terhadap lingkungan karst secara cepat, akurat, berkesinambungan dan relatif
murah dibandingkan metode lain (Hung dkk, 2005; Newman dkk, 2011). Uraian
berikut pada modul ini akan memberikan jabaran tentang pemanfaatan
penginderaan jauh dan SIG untuk berbagai kajian.
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.
Analisis banyak dilakukan melalui prosedur digital. Analisis digital dilakukan

dengan memanfaatkan perangkat lunak pengolah citra dan sistem informasi
geografis. Observasi lapangan dilakukan untuk pengambilan sampel yang akan
dipakai dalam pembentukan model ataupun pengujian akurasi hasil klasifikasi.
Berikut adalah contoh langka prosedural pengolahan data penginderaan jauh untuk
analisis sumber daya lahan yang dilakukan oleh Teotia dkk (2010).
Lapangan Data citra penginderaan

jauh (SPOT)
Uji lapangan Klasifikasi tak
beracuan
Penentuan area sampel Penentuan area uji
Klasifikasi beracuan
Perolehan data level I

dan II dengan modifikasi Ranah Kajian
tertentu
Penginderaan
Penilaian akurasi Jauh
Koreksi
Produksi peta LULC

Ranah Kajian
Produksi peta tanah SIG
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.
Gambar 4. Hasil interpretasi batuan berdasar data citra Landsat TM.

(Sumber : Solomon dan Quiel, 2008)
Gambar 4. merupakan hasil interpretasi terhadap data citra penginderaan jauh

yang memberikan informasi variasi jenis batuan. Interpretasi citra penginderaan
jauh tersebut berhasil mempetakan kondisi batuan di daerah penelitian. Kondisi
batuan ini dapat petakan dengan akurasi yang tinggi.
Kelurusan merupakan fenomena yang sering terdapat dipermukaan bumi.

Kelurusan dapat terbentuk oleh satu fenomena budaya seperti jalan, saluran air, rel,
dan lain-lain. Kelurusan juga dapat merupakan representasi fenomena alamiah.
Sebagai contoh kelurusan ini adalah bidang sesar atau lipatan. Kelurusan yang
diinginkan dalam penelitian ini adalah kelurusan yang diakibatkan oleh keberadaan
fenomena alam seperti sesar atau lipatan ini. Oleh karena itu, kelurusan
diinterpretasi secara visual dari citra Landsat dan DEM. Kelurusan diturunkan
dengan menggunakan cara digitasi interaktif melalui layar komputer berbantuan
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)
Gambar 5 merupakan contoh hasil interpretasi kelurusan berdasar data citra

penginderaan jauh. Berdasar pada peta kelurusan tersebut dapat diketahui arah dan
panjang rata-rata kelurusan. Bentukan struktural dihasilkan dari observasi lapangan
dengan menggunakan kompas. Data-data tersebut dikelompokkan berdasar jenis
batuan yang ada dan dicatat posisi geografisnya. Analisis dilanjutkan dengan
membentuk model spasial dengan mendasarkan pada teknik pembobotan atau
harkat.
Kajian ini menunjukkan bahwa keberadaan air tanah berkaitan dengan adanya
kelurusan yang besar dan fitur-fitur struktural. Hasil analisis lokasi mata air yang
dioverlay dengan peta kelurusan menunjukkan bahwa kelurusan dengan arah utara-
selatan berasosiasi dengan tingginya potensi air tanah dan dapat digunakan sebagai
target utama dalam eksplorasi air tanah di lokasi penelitian ini. Berdasar temuan-
temuan ini, disimpulkan bahwa pemanfaatan data penginderaan jauh, SIG dan
observasi lapangan ini merupakan metode yang berdaya guna untuk studi eksplorasi
air tanah dengan akurasi yang dapat diterima.
96
c. PJ dan SIG untuk analisis sumber daya mineral
Bapak-Ibu peserta PPG yang terhormat, penginderaan jauh dan sistem

informasi geografis juga telah diaplikasikan sebagai pendekatan dalam analisis
sumberdaya mineral. Analisis ditujukan untuk identifikasi sebaran dan potensi
mineral pada suatu wilayah. Beberapa contoh penelitian terkait sumber daya
mineral ini adalah seperti dilakukan oleh Liu dkk (2013) Nasir dan Rajendran
(2017), dan Julzarika (2018). Data yang umum digunakan adalah data citra satelit
optik seperti Landsat, Aster, dan SPOT, serta satelit DEM seperti GDEM ASTER
dan SRTM. Selain itu juga digunakan data dari satelit geodetik seperti untuk
perolehan informasi gaya berat dan magnetik.
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.
Sifat spektral mineral yang digunakan adalah perbedaan serapan gelombang

elektromagnetik pada beberapa rentang panjang gelombang. Setiap mineral
memiliki sifat serapan yang berbeda terhadap suatu rentang panjang gelombang.
Sebagai contoh, keberadaan mineral besi pada suatu lapukan batuan mengakibatkan
serapan gelombang elektromagnetik pada sekitar 0.45 μm, 1.0–1.1 μm, 1.8–1.9 μm,
and 2.2–2.3 μm, tergantung pada kondisi lingkungannya (Nasir dan Rajendran,
2017).
Lingkungan geologi dapat digunakan sebagai dasar interpretasi keberadaan

mineral. Hal ini dikarenakan proses pembentukan mineral berkaitan dengan proses
magmatik. Proses ini secara simultan membentuk asosiasi lingkungan geologis
dengan mineral-mineral penyusun dan turunannya. Sebagai contoh, mineral logam
pada umumnya berkaitan dengan batuan vulkanik. Tekanan dan suhu selanjutnya
menghasilkan alterasi mineral dalam bentuk dan struktur yang berbeda.
97
Sifat magnetik memberikan gambaran keberadaan mineral tertentu pada
suatu wilayah. Seperti pada sifat spektral mineral, masing-masing mineral memiliki
sifat magnetik yang khas, sehingga sifat ini dapat digunakan sebagai penciri
keberadaan suatu mineral. Namun demikian, keberadaan mineral sering tidak
berdiri sendiri. Mineral sering berada pada suatu senyawa lain, sehingga untuk
menganalisis keberadaannya harus diasosiasikan dengan keberadaan mineral
lainnya. Asosiasi antara mineral tembaga dan emas adalah contoh dari kasus ini.
Mineral tembaga itu sendiri sering tidak berdiri sendiri di alam, melainkan sering
terkandung di dalam pirit atau chalcopyrite (CuFeS2), copper glance atau
chalcolite (Cu2S), cuprite (Cu2O), malaconite (CuO) dan malachite
(Cu2(OH)2CO3) (Julzarika, 2018). Gambar berikut adalah contoh diagram alir
yang dilakukan oleh Julzarika (2018) untuk membuat model identifikasi mineral
tembaga menggunakan pendekatan penginderaan jauh dan SIG.
PJ
Ranah Kajian
SIG
Gambar 6. Diagram alir identifikasi mineral tembaga. Sumber : Julzarika (2018)
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.
Gambar 7. Hasil identifikasi lokasi keberadaan mineral tembaga di NTB.

Gambar dicuplik dari : Julzarika (2018)
Keberadaan lokasi mineral tembaga di NTB dapat diidentifikasi

menggunakan data penginderaan jauh melalui model Julzarika (2018) ini. Model
dibentuk dari data citra suatu lokasi area tambang yang sudah ada. Hal ini
dimaksudkan untuk mendapatkan nilai-nilai spektral yang pasti dari keberadaan
mineral tembaga tersebut. Model yang dihasilkan ini selanjutnya diaplikasikan pada
tempat lain yang belum ada ekplorasi tambang mineral tembaga.
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
Tanah Overlay Kriteria

Fisik
Curah hujan
Jaringan
drainase Peta
Overlay kerentanan
banjir
Penggunaan Kriteria Sosio perkotaan
lahan Ekonomis
Area
Pembatas
penelitian
Gambar 8. keterkaitan parameter dalam pemetaan kerentanan banjir perkotaan.

Sumber : Ouma dan Tateishi (2014)
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)
Hasil perhitungan dan analisis menggunakan AHP dan sistem informasi

geografis menunjukkan sebaran area kerentanan dan risiko bencana banjir dengan
akurasi yang tinggi. Perpaduan metode ini menghasilkan informasi potensi banjir
dengan cepat dan mendekati fakta yang sebenarnya. Berdasar kondisi ini,
perpaduan metode AHP dalam sistem informasi geografis sangat berpotensi untuk
kajian mitigasi bencana banjir.
102
b. PJ dan SIG untuk mitigasi bencana kekeringan
Kekeringan merupakan satu bencana yang disebabkan oleh kurangnya curah

hujan dari keadaan normal. Curah hujan dalam keadaan ini tidak mampu memenuhi
kebutuhan manusia dan lingkungan. Pemanfaatan penginderaan jauh dan SIG untuk
kajian kekeringan telah banyak dilakukan dengan berbagai metode. Data
penginderaan jauh dan SIG terbukti dapat digunakan dengan baik dan memberikan
banyak kemudahan untuk kajian kekeringan ini.
Penelitian kekeringan dengan berbasis data penginderaan jauh ini diantaranya

dilakukan oleh Al-Tamimi dkk (2012). Ide pokok dalam mengidentifikasi
kekeringan dalam penelitian ini adalah dengan mengidentifikasi penyimpangan
nilai indeks vegetasi multi waktu sebagai representasi kesehatan tanaman.
Penelitian ini mengidentifikasi dua macam fenomena kekeringan, yaitu kekeringan
meteorologis dan kekeringan pertanian.
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) = 𝑥⁡100%
̅̅̅̅̅̅̅̅̅̅̅
𝑁𝐷𝑉𝐼𝑚𝑎𝑥
Keterangan :
NDVI anomali : nilai anomali NDVI
NDVI max : nilai maksimal rerata NDVI
NDVI max : nilai NDVI maksimal
Anomali nilai indeks NDVI ini digunakan untuk mengidentifikasi area

kekeringan pertanian. Hasil analisis anomali indeks NDVI ini dipetakan
menggunakan perangkat lunak SIG. Peta indeks kekeringan pertanian hasil analisis
dari anomali nilai indeks vegetasi adalah seperti pada Gambar 10.
103
Gambar 10. Indeks kekeringan pertanian berdasar anomali indeks vegetasi.
Sumber: Al-Tamimi dkk (2012)
Gambar 10. tersebut menunjukkan sebaran anomali indeks vegetatif yang

diidentifikasi sebagai area kekeringan pertanian. Secara spasial terdapat satu pola
persebaran tingkat kekeringan pertanian di wilayah penelitian. Area dengan tingkat
kekeringan pertanian ekstrim tersebar di bagian utara. Tingkat kekeringan
cenderung menurun ke arah selatan dan terjadi peningkatan di bagian ujung
tenggara wilayah penelitian ini.
Data curah hujan dari stasiun meteorologi digunakan untuk menghitung
indeks curah hujan menggunakan indek SPI (Standardized Precipitation Index).
Peta indeks kekeringan meteorologi hasil perhitungan nilai indeks SPI adalah
seperti pada Gambar 11.
Gambar 11. Indeks kekeringan meteorologis berdasar indeks SPI.

Sumber: Al-Tamimi dkk (2012)
Indeks SPI dihitung dengan menggunakan fungsi distribusi gamma.

Perhitungan indeks curah hujan SPI ini digunakan untuk mengidentifikasi indeks
104
kekeringan meteorologis. Berdasar Gambar 11. dapat dilihat sebaran tingkat
kekeringan meteorologis di wilayah penelitian. Area dengan tingkat kekeringan
ekstrim terdapat di bagian utara dengan jumlah yang relatif kecil dibandingkan
tingkat kekeringan yang lain. Secara spasial nampak ada kecenderungan penurunan
tingkat kekeringan arah tenggara.
c. PJ dan SIG untuk kajian erosi
Bapak-Ibu peserta PPG yang terhormat, erosi merupakan ancaman

lingkungan yang utama terhadap keberlangsungan dan kemampuan produktivitas
lahan. Erosi pada lahan pertanian dapat mengakibatkan berkurangnya jumlah lahan
yang produktif. Evaluasi tingkat erosi tanah dipengaruhi oleh faktor curah hujan,
tanah, tutupan lahan, dan topografi. Aplikasi penginderaan jauh dan sistem
informasi geografis untuk perhitungan erosi ini di contohkan oleh Kefi dkk (2011)
yang mengaplikasikan model RUSLE dengan menggunakan data penginderaan
jauh dan metode sistem informasi geografis. Data penginderaan jauh yang
digunakan adalah citra Moderate Resolution Imaging Spectroradiometer Enhanced
Vegetation Index (MODIS-EVI). Citra ini berupa citra multi temporal yang
digunakan untuk identifikasi dinamika tutupan vegetasi. Data penginderaan jauh
yang lain adalah citra ASTER GDEM. Data citra ASTER GDEM ini dimanfaatkan
untuk memperoleh data kemiringan lereng dan panjang lereng di daerah penelitian.
Parameter yang digunakan adalah parameter dari model RUSLE, yaitu curah
hujan (R), erodibilitas (K), kemiringan lereng dan panjang lereng (LS), tutupan
vegetasi (C), dan parameter pengelolaan (P). Parameter curah hujan diturunkan dari
data curah hujan. Parameter tutupan vegetasi diturunkan dari data citra MODIS
EVI. Indeks EVI dipilih untuk meningkatkan sensibilitas data citra pada area yang
memiliki tutupan vegetasi jarang. Pemanfaatan dari indeks ini juga ditujukan untuk
meminimalisir gangguan atmosferik yang mungkin terjadi di daerah penelitian.
Parameter erodibilitas diperoleh dari peta tanah. Peta tanah dibentuk dengan
menggunakan metode digitasi peta tanah dasar melalui perangkat lunak sistem
informasi geografis. Sementara itu data kemiringan dan panjang lereng diturunkan
dari citra ASTER GDEM. Model perhitungan menggunakan model RUSLE yang
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)
Gambar 13. merupakan citra hasil perhitungan erosi menggunakan metode

RUSLE berdasar citra penginderaan jauh dan SIG yang dilakukan oleh Kefi dkk
(2011). Hasil perhitungan secara jelas menggambarkan lokasi sebaran erosi secara
spasial. Tingkat erosi disimbolkan oleh gradasi kecerahan pada peta. Erosi rendah
disimbolkan dengan warna cerah, sementara tingkat erosi tinggi disimbolkan
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.
4. Pemanfaatan PJ dan SIG untuk Pembangunan Wilayah

a. PJ dan SIG untuk pengembangan area permukiman desa dan kota
Kebutuhan area permukiman merupakan satu masalah yang harus
diperhatikan terutama di negara-negara sedang berkembang. Area permukiman
selalu mengalami peningkatan yang pesat. Pertumbuhan area permukiman sering
mengarah pada ketidakteraturan jika tidak ditata dalam perkembangannya.
Berdasar hal tersebut pemantauan dan penataan area permukiman sangat
diperlukan.
Penginderaan jauh dan SIG telah diaplikasikan untuk kajian perencanaan area
permukiman kota dan memberikan hasil yang baik. Kajian ini sebagian besar
menggunakan data penginderaan jauh pada resolusi spasial yang tinggi. Data citra
penginderaan jauh yang digunakan dalam hal ini sebagai contoh adalah citra Ikonos
dan QuickBird. Citra Ikonos memiliki resolusi 1 meter sementara citra QuickBird
memiliki resolusi 0,6 meter. Kedua citra tersebut dapat digunakan untuk
menginterpretasi obyek rumah penduduk secara individual. Kedetilan dari resolusi
citra ini juga dapat digunakan untuk interpretasi kualitas dari suatu permukiman
melalui ciri-ciri kepadatan dan karakteristik rumah yang ada dalam lokasi
permukiman tersebut.
Satu kajian tentang pemanfaatan data penginderaan jauh dan SIG untuk
aplikasi perencanaan area permukiman adalah seperti dilakukan oleh Busgeeth dkk
(2008). Kajian ini memanfaatkan data citra QuickBird sebagai sebagai sumber
informasi sebaran rumah penduduk. Tujuan dari kajian ini adalah untuk mengkaji
karakteristik permukiman yang dapat di interpretasi melalui data citra QuickBird
dan mengkaji tipologi permukiman di wilayah penelitian. Sebaran rumah penduduk
diinterpretasi secara visual menggunakan perangkat lunak SIG. Komplek rumah
penduduk didelineasi secara langsung pada layar komputer (onscreen).
108
Karakteristik permukiman dinilai berdasar beberapa variabel yaitu ukuran,
layout permukiman, struktur bangungan, jasa-jasa yang tersedia, dan infrastruktur.
Atribut permukiman yang dapat diamati dari data citra QuickBird tersebut adalah
seperti pada tabel berikut.
Tabel 1. Atribut permukiman yang diamati melalui data citra QuickBird
Atribut spasial permukiman Karakteristik
Ukuran keseragaman ukuran
Layout permukiman keteraturan layout
Area terbuka
Struktur bangunan material
warna atap
kepadatan
Layanan teknis jaringan jalan
telekomunikasi
listrik
air dan sanitasi
drainase utama
pengelolaan sampah
Insfrastruktur Pendidikan
area bisnis
fasilitas sosial
fasilitas transportasi
Sumber : Busgeeth, 2008
Tabel 1. menunjukkan variabel-variabel yang dapat diamati dari data citra
QuickBird. Variabel ukuran bangunan yang dapat dengan mudah diamati adalah
faktor keseragaman ukuran bangunannya. Pada beberapa area nampak ukuran
bangunan tidak seragam. Kondisi ini mengindikasikan proses pertumbuhan
permukiman tersebut terjadi secara alamiah.
Variabel layout permukiman nampak pada faktor keteraturannya. Area
permukiman yang dibangun secara terrencana nampak adanya pola-pola yang
teratur dengan ukuran bangunan yang relatif seragam, dan bentuk hampir sama.
109
Struktur bangunan dapat diperkirakan melalui material bangunan yang
digunakan seperti bangunan batu permanen, bangunan batu semi permanen, dan
rumah kayu. Material bangunan ini dapat menggambarkan kondisi perekonomian
penguni permukiman tersebut. Warna dan kecerahan atap dapat digunakan sebagai
indikasi umur bangunan. Area permukiman dengan warna atap rata-rata cerah
mengindikasikan bahwa permukiman tersebut adalah permukiman yang masih
baru.
Layanan teknis menunjukkan banyaknya sarana teknis yang tersedia pada
area permukiman tersebut. Kondisi ini dapat digunakan sebagai indikator taraf
hidup sosial rata-rata masyarakat. Kondisi jaringan jalan yang nampak beraspal
mencirikan wilayah yang lebih tersentuh pembangunan dibandingkan wilayah
dengan jaringan jalan berupa tanah atau batu.
Infrastruktur pendukung juga dapat digunakan sebagai indikasi kemajuan
budaya dari lingkungan tersebut. Ketersediaan sarana pendidikan, jasa, area bisnis,
sosial dan transportasi menunjukkan kondisi yang lebih maju dibandingkan wilayah
yang tidak memiliki sarana tersebut. Bentuk permukiman penduduk di wilayah
penelitian yang teridentifikasi adalah seperti Gambar 14.
Gambar 14. Karakteristik kepadatan permukiman berdasar citra QuickBird.

Gambar 14. menunjukkan pola kepadatan dari beberapa kelompok
permukiman di wilayah penelitian. Terdapat perbedaan pola yang berkaitan dengan
variabel-variabel di atas. Observasi terhadap ketiga gambar tersebut menunjukkan
adanya perbedaan yang paling nyata adalah pada layout tata ruang permukiman
tersebut. Kondisi ini mengindikasikan proses perkembangan wilayah ini. Gambar
14 paling kiri mencirikan perkembangan pemukiman secara alamiah. Rumah
110
penduduk dibangun oleh pemilik tanah tanpa adanya perencanaan wilayah tersebut.
Gambar tengah dan paling kanan menunjukkan adanya keteraturan yang lebih baik,
namun terdapat perbedaan ukuran dan struktur bangunannya. Berdasar interpretasi
dan analisis beberapa variabel yang ada nampak kedua gambar tersebut adalah area
permukiman yang berkembang dengan satu perencanaan. Gambar 14 paling kanan
mencirikan permukiman tersebut memiliki usia yang relatif lebih lama
dibandingkan dengan usia permukiman pada Gambar 14 tengah.
Tipologi permukiman dapat diinterpretasi dari data citra QuickBird tersebut.
Tipologi permukiman dapat didasarkan pada karakteristik variabel spasial di atas.
Bentuk tipologi dari beberapa area permukiman di wilayah penelitian tergolong
seperti pada Tabel 2. berikut
Tabel 2. Tipologi permukiman secara umum

Klasifikasi Tipe geografis
Perkotaan Perkotaan formal
Perkotaan informal
Perdesaan Perdesaan formal
Kesukuan / pedalaman
Permukiman secara umum terklasifikasi sebagai wilayah perkotaan dan

wilayah perdesaan. Pada wilayah perkotaan terbagi menjadi area perkotaan formal
dan area perkotaan informal. Wilayah perdesaan terbagi menjadi area perdesaan
formal dan area pedalaman. Pada masing-masing tipe geografis tersebut terdapat
jenis-jenis bangunan dengan fungsi-fungsi tertentu seperti permukiman, area usaha
dan industri, rekreasi, dan perkantoran. Wilayah perdesaan juga ditemukan adanya
area persawahan yang menjadi penciri khas wilayah perdesaan ini. Busgeeth dkk
(2008) mengusulkan prosedur terotomasi berbasis SIG untuk menentukan tipologi
permukiman. Kerangka tersebut dijadikan sebagai dasar otomasi klasifikasi
menggunakan perangkat lunak SIG. Tidak seluruh alur digambarkan dalam modul
ini, penjelasan lengkap dapat membaca pada Busgeeth dkk (2004).
111
b. PJ dan SIG untuk perencanaan area pertanian
Area pertanian yang dicontohkan di sini adalah pertanian tambak. Pertanian

tambak di Indonesia memiliki peran yang penting dalam perekonomian masyarakat
khususnya masyarakat pantai. Peningkatan produktivitas pertanian tambak
didukung oleh ketersediaan lahan tambak dengan jumlah dan kualitas yang
memadai. Sejalan dengan hal ini diperlukan kajian untuk mengembangkan area
lahan tambak ini.
Penginderaan jauh dan sistem informasi geografis telah berhasil digunakan

untuk penentuan area lahan tambak ini. Contoh dari penelitian ini dilakukan oleh
Priyono dan Rahayu (2003), Radiarta (2008), dan Gusmawati dkk (2017).
Penelitian tersebut diarahkan pada perencanaan pengembangan lahan tambak
udang dan perikanan. Data yang digunakan adalah data dari foto udara dan citra
satelit. Perangkat lunak SIG dimanfaatkan untuk melakukan proses digitalisasi peta
tematik yang menjadi variabel penelitian serta alat analisis. Observasi lapangan
dilakukan untuk mendapatkan data primer seperti lokasi tambak eksisting,
permasalahan yang pernah terjadi pada lokasi tambak, dan kondisi terkini dari area
yang direncanakan.
Priyono dan Rahayu (2003) menetapkan beberapa parameter pokok yang

menjadi dasar analisis pemilihan lokasi pengembangan lahan tambak. Parameter
tersebut adalah lereng, tekstur tanah, jarak dari laut, jarak dari sungai, curah hujan,
frekuensi kejadian banjir, dan penggunaan lahan eksisting. Berdasar parameter
tersebut lahan yang dinyatakan ideal adalah area yang datar dengan tekstur tanah
kasar berpasir, tidak jauh dari sumber air laut dan sungai, tidak pernah terjadi banjir,
penggunaan lahan eksisting sebagai tanah terbuka atau tegalan, dan curah hujan
antara 2000 hingga 3000 mm pertahun. Nilai dari seluruh parameter dihitung
melalui satu formulasi dengan mempertimbangkan nilai bobot tertentu dari setiap
parameter. Proses dilakukan dengan menggunakan perangkat lunak SIG seperti
QGIS dan lain-lain
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.
Tabel 3. Bobot variabel

Variabel Bobot Harkat
3 2 1
Lereng (%) 10 <2 2–5 >5
Tekstur tanah 20 Kasar Sedang Halus
Jarak dari laut (m) 25 <1000 1000-2000 >2000
Jarak dari sungai (m) 15 <500 500-1000 >1000
Curah hujan (mm/th) 10 2000-3000 1000- <1000, >3500
2000,3000-
3500
Frekuensi banjir 10 Tidak pernah Kadang- sering
kadang
Penggunaan lahan 10 Tegal, tanah Sawah, kebun permukiman
terbuka campur
Sumber : Priyono dan Rahayu (2003)
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
Bapak-Ibu peserta PPG sekalian, seperti telah kita ketahui bersama

perkembangan penginderaan jauh dan sistem informasi geografis pada saat ini telah
merambah pada bidang kesehatan. Aplikasi pada bidang ini terutama dimanfaatkan
dalam hal pengawasan dan kontrol terhadap potensi penyakit (Beck dkk, 2000).
Aplikasi penginderaan jauh dan SIG dalam bidang kesehatan ini banyak digunakan
untuk menilai faktor lingkungan sebagai pemicu pemunculan vektor penyakit.
Potensi aplikasi pengideraan jauh dan SIG ini selanjutnya adalah untuk memahami
karakteristik pola spasial dan temporal risiko penularan suatu penyakit.
Aplikasi penginderaan jauh dan SIG untuk pengawasan penyakit kolera
dicontohkan oleh Rasam dan Noor (2012). Penyakit bawaan makanan seperti
kolera, disentri, hepatitis A dipicu oleh adanya kontaminasi mikroorganisme pada
makanan. Kontaminasi mikroorganisme ini berasal dari adanya pencemaran yang
terjadi pada lingkungan. Kondisi lingkungan inilah yang selanjutnya menjadi
variabel yang terrekam oleh penginderaan jauh dan dapat dianalisis untuk tujuan
pengawasan penyakit ini menggunakan SIG.
Contoh lain adalah aplikasi penginderaan jauh dan sistem informasi geografis
untuk penilaian dan pemantauan risiko penyakit malaria yang dilakukan oleh
Ceccato dkk (2005). Parameter lingkungan menjadi dasar analisis kajian ini. Curah
hujan menjadi salah satu pemicu berkembangnya nyamuk malaria. Peningkatan
curah hujan berasosiasi dengan peningkatan endemi malaria. Terkait dengan hal ini,
data penginderaan jauh dapat berperan dalam perekaman cuaca untuk perkiraan
intensitas curah hujan. Citra inframerah termal dapat digunakan untuk
mengestimasi temperatur awan bagian atas. Hujan akan terjadi pada kondisi suhu
awan berada sekitar -40 hingga -70 oC.
Temperatur memberikan efek pada vektor dan parasite malaria. Temperatur
perkembangan vektor dan parasit malaria berada pada rentang 22 - 26 oC.
Temperatur permukaan lahan dapat diindera menggunakan data thermal NOAA-
AVHRR, Meteosat dan Terra-MODIS. Citra ini memiliki cakupan yang luas dan
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)
Gambar 15 adalah citra klasifikasi dari citra SPOT Xi yang menunjukkan

sebaran area lahan basah dengan kelembaban tinggi. Area dengan warna biru
merupakan sebaran area lahan basah dengan kelembaban yang tinggi. Area dengan
warna biru merupakan klasifikasi dari piksel-piksel citra SPOT Xi dengan nilai
yang merujuk pada sampel area tubuh air. Sejalan dengan hal tersebut, maka area
tersebut diperkirakan sebagai area yang berpotensi dapat menjadi tempat
perkembangbiakan nyamuk malaria. Berdasar pada citra klasifikasi tersebut dapat
dengan jelas diidentifikasi sebaran area potensi perkembangbiakan nyamuk beserta
luasnya. Informasi tersebut selanjutnya digunakan sebagai dasar pengambilan
kebijakan pengendalian vektor penyebab penyakit malaria.
115
E. RANGKUMAN
Kemampuan yang dimiliki oleh penginderaan jauh dan sistem informasi

geografis dapat saling mengisi dan melengkapi. Sinergi dari penginderaan jauh dan
sistem informasi geografis terbukti memberikan hasil yang baik untuk pemecahan
permasalahan yang berkaitan dengan data spasial. Aplikasi PJ dan SIG untuk kajian
air tanah dapat digunakan untuk identifikasi area recharge dan discharge air tanah.
Identifikasi didasarkan pada nilai thermal permukaan lahan. Metode lain adalah
dengan menggunakan parameter litologi dan kelurusan permukaan lahan yang
diturunkan dari data citra satelit resolusi menengah dan diperkuat melalui observasi
lapangan. Pemanfaatan PJ dan SIG untuk aplilasi bencana banjir adalah dengan
menggunakan parameter kondisi topografi dan morfometri lahan. Parameter ini
diturunkan dari data DEM dan diolah melalui prosedur AHP dalam SIG. Aplikasi
PJ dan SIG untuk perhitungan erosi tanah sering dilakukan dengan menerapkan
model perhitungan erosi seperti RUSLE. Sebagian dari parameter model tersebut
diturunkan melalui data penginderaan jauh sumberdaya dan ASTER GDEM.
Kajian kekeringan dapat dihitung dengan menggunakan anomali NDVI yang
diperoleh melalui perbandingan nilai NDVI maksimal dan NDVI rata-rata dalam
masa penelitian. Nilai NDVI diperoleh melalui perbandingan band inframerah dan
band merah. Kajian pemukiman dilakukan dengan memanfaatkan citra satelit
berresolusi tinggi seperti QuickBird. Identifikasi tipologi permukiman didasarkan
pada karakteristik atribut spasial permukiman. Berdasar parameter tersebut dapat
diidentifikasi tipologi permukiman informal permukiman tradisional hingga
permukiman perkotaan formal. Aplikasi PJ dan SIG untuk kesehatan dilakukan
dengan memonitor parameter lingkungan yang dapat menjadi pemicu perkembang
biakan vektor penyakit. Aplikasi penginderaan jauh dan SIG dapat digunakan
sarana pengawasan dan kontrol terhadap potensi dan penyebaran penyakit.
116
Modul 1 :
untuk Tata Guna Lahan dan Perkotaan

Republik Indonesia
2019
119
Modul 1:
Kegiatan Belajar 4:
Pemanfaatan PJ dan SIG untuk Tata Guna Lahan dan Perkotaan
A. PENDAHULUAN
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
Dalam substansi keilmuan, setiap guru geografi mampu menganalisis hakekat dan
literasi informasi geografi.
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
Tata guna lahan adalah satu perencanaan pengelolaan pemanfaatan lahan.

Tata guna lahan secara regional ditujukan untuk meningkatkan produktifitas dari
suatu fungsi lahan secara optimal. Tata guna lahan selalu berkaitan antar wilayah
dari hulu hingga hilir. Pemanfaatan lahan didasarkan pada karakteristik fisik lahan
dan peruntukannya secara sosial. Perencanaan pemanfaatan lahan harus
memperhatikan kondisi penggunaan lahan eksisting saat ini. Penggunaan lahan
aktual diperoleh dari berbagai informasi yang salah satunya adalah data
penginderaan jauh.
Penggunaan lahan membahas tentang bentuk dan pola pemanfaatan lahan.
Penggunaan lahan berkaitan dengan kondisi lahan secara fisik dan faktor manusia
menggunakan lahan tersebut. Analisis penggunaan lahan dalam penginderaan jauh
merupakan analisis turunan yang lebih detil setelah analisis terhadap tutupan lahan
tersebut. Analisis tutupan lahan adalah metode analisis untuk memperoleh
informasi terkait bentuk tutupan lahan yang ada pada suatu tempat. Tutupan lahan
pokok yang dapat diturunkan dari data penginderaan jauh sumberdaya (LANDSAT,
SPOT, dan lain-lain) adalah tutupan vegetasi, tanah dan batuan, serta tubuh air.
Selain hal tersebut faktor morfologi lahan juga dapat diturunkan dengan
memanfaatkan data DEM yang berasal dari citra GDEM ASTER ataupun SRTM.
Setelah diperoleh informasi tutupan lahan tersebut, lebih jauh dapat dianalisis
penggunaan lahannya.
Beberapa tutupan lahan yang sama memungkinkan terdapat perbedaan
bentuk penggunaan lahannya. Sebagai contoh adalah jika pada suatu area yang luas
terdapat tutupan lahan vegetasi berkanopi lebat. Area tersebut terdapat suatu
kemungkinan memiliki bentuk penggunaan lebih dari satu, misal satu bidang
berupa pekarangan, satu bidang lainnya berupa hutan lindung. Kondisi seperti ini
banyak terdapat di Indonesia. Oleh karena itu, analisis penggunaan lahan
memerlukan pemahaman terhadap berbagai unsur interpretasi untuk mendapatkan
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.
a. Analisis tutupan vegetasi

Vegetasi adalah salah satu bentuk tutupan lahan yang utama. Tutupan vegetasi
memiliki prosentase yang besar pada sebagian besar lahan di Indonesia. Informasi
tutupan lahan dapat memberikan informasi berkaitan dengan kondisi dan
karakteristik fisik wilayah tersebut. Informasi ini juga dapat memberikan gambaran
tentang kondisi cuaca dan iklim wilayah tersebut. Tutupan vegetasi dapat
diturunkan dari data citra penginderaan jauh dalam berbagai tingkat resolusi
melalui proses pengolahan citra.
Karakteristik pantulan spektral dari vegetasi dipengaruhi oleh kandungan
pigmen daun, material organik, air dan karakteristik struktural daun seperti bentuk
daun dan luas daun (Huete and Glenn, 2011). Karakteristik pantulan spektral dari
vegetasi dapat dibagi menjadi dua bagian yaitu pada bagian spektrum tampak (0.4
– 0.7 µm) dan pada bagian spektrum inframerah / Shortwave Infra Red (0.7 – 2.5
µm). Pada bagian spektrum tampak, vegetasi memiliki nilai pantulan relatif rendah
pada spektrum biru dan merah dengan puncak minor pada spektrum hijau yang
disebabkan oleh keberadaan klorofil (de Jong, 2004; Mather, 2004; McCoy, 2005).
Hilangnya klorofil daun mengakibatkan semakin kecilnya serapan energi pada
spektrum biru dan merah dan meningkatkan nilai pantulan pada spektrum tersebut.
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
Representasi dari nilai NDVI terhadap kepadatan tutupan vegetasi dapat

dilihat seperti pada gambar isoline NDVI berikut.
0.9 .... 0.67 0.5 ....

Pantulan spektral inframerah dekat
0.2
Pantulan spektral merah
Gambar 1. Garis Isoline NDVI
Jika dihubungkan dengan gambar fraksional tutupan lahan pada ruang

spektral, nampak korelasi antara nilai NDVI dengan kondisi tutupan lahan yang
ada. Nilai NDVI tinggi berkorelasi dengan tutupan vegetasi dengan kepadatan
tinggi, sementara nilai NDVI rendah berkorelasi dengan tanah terbuka dengan
berbagai kondisinya.
Selain NDVI terdapat persamaan indeks vegetasi yang lain. Beberapa

persamaan indeks vegetasi tersebut adalah seperti dibawah ini.
124
- Simple Ratio (SR)
𝑁𝐼𝑅
𝑆𝑅 = ⁡
𝑅𝑒𝑑
Keterangan :
- Soil-Adjusted Vegetation Index (SAVI)
Pada lahan dengan tutupan vegetasi jarang, pengaruh tanah menurunkan

akurasi nilai NDVI. Demikian pula pada tutupan vegetasi yang terlalu padat, terjadi
kenaikan pada nilai spektral inframerah, sementara nilai spektral saluran merah
tidak berubah. Oleh karena itu pada beberapa kondisi yang ekstrem dilakukan
modifikasi formulasi indeks vegetasi untuk mengurangi efek tanah dan densitas
vegetasi yang berlebihan. Indeks vegetasi ini adalah SAVI dengan formulasi
sebagai berikut :
𝑁𝐼𝑅 − 𝑅𝑒𝑑
𝑆𝐴𝑉𝐼 = ⁡ ( ) (1 + 𝐿)
𝑁𝐼𝑅 + 𝑅𝑒𝑑 + 𝐿
Keterangan :
L : Koefisien kepadatan vegetasi
- Perpendicular Vegetation Index (PVI)
𝑃𝑉𝐼7 = ⁡ √(0.355𝑀𝑆𝑆7 − 0.149𝑀𝑆𝑆5)2 + (0.355𝑀𝑆𝑆5 − 0.852𝑀𝑆𝑆7)2
𝑃𝑉𝐼6 = ⁡ √(0.498𝑀𝑆𝑆6 − 0.487𝑀𝑆𝑆5 − 2.507)2 + (2.734 + 0.498𝑀𝑆𝑆5 − 0.543𝑀𝑆𝑆6)2
Perpendicular Vegetation Index mendasarkan pada nilai spektral inframerah

dan spektral merah dari citra Landsat MSS. PVI menggunakan saluran 5, saluran 6,
dan saluran 7 dari citra tersebut. PVI yang menggunakan saluran 5 dan 6 dinamai
125
dengan PVI6 sedangkan PVI yang menggunakan saluran 5 dan 7 dinamai dengan
PVI7.
- Enhanced Vegetation Index (EVI)

Persamaan EVI ditujukan untuk pengolahan index vegetasi pada citra
MODIS. MODIS memiliki resolusi spasial rendah dengan cakupan perekaman
yang luas pada setiap scene citra. Oleh karena itu pemanfaatan citra MODIS
dilakukan untuk analisis pada skala global. Persamaan EVI mirip dengan
Persamaan NDVI dengan penambahan formulasi untuk koreksi efek gangguan
radiometric dari atmosfer dan dari dalam kanopi. Persamaan EVI (Horning, 2004)
diuraikan sebagai berikut
(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
Indek-indek vegetasi dihasilkan dengan membandingkan nilai spektral dari

saluran merah dengan saluran inframerah dekat . Perbandingan nilai spektral dari
dua saluran tersebut dapat ditampilkan secara jelas pada scatterplot dua dimensi.
Scatterplot dapat digunakan untuk menampilkan posisi dari kelompok piksel citra
pada ruang spektral serta menampilkan kovariansi dari tingkat kecerahan pada dua
saluran yang berbeda (Adams dan Gillespie, 2006).
Spektral vegetasi memiliki nilai yang tinggi pada saluran inframerah dekat
dan memiliki nilai rendah pada saluran merah. Spektral tanah memiliki nilai yang
tinggi pada saluran merah dan memiliki nilai rendah pada saluran inframerah dekat.
Pemisahan fraksional tutupan lahan pada ruang spektral tersebut mendasari konsep
126
soil line yang dinyatakan oleh Ricardson dan Wiegand. Abstraksi dari pemisahan
fraksional tutupan lahan dapat dilihat seperti pada gambar berikut.
Full Cover
C Permukaan Kering
Pantulan spektral inframerah B
Partial Cover
dekat
D
Tanah Terbuka
A
Permukaan Basah
Pantulan spektral merah
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 :
Indek mineral lempung = Inframerah tengah / inframerah jauh ...... (2.5.)
Sejalan dengan hal tersebut Liu dan Mason (2009) menyatakan mineral
lempung dapat dipertajam melalui rasio sebagai berikut :
𝑇𝑀5−𝑚𝑖𝑛(𝑇𝑀5)
𝐼𝑛𝑑𝑒𝑘⁡𝑀𝑖𝑛𝑒𝑟𝑎𝑙⁡𝐿𝑒𝑚𝑝𝑢𝑛𝑔⁡ = ⁡ 𝑇𝑀7−𝑚𝑖𝑛(𝑇𝑀7)+1 .......................... (2.6.)
Youssef (2008) menggunakan kombinasi metode Principal Component,

Minimum Noise Fraction dan Supervised Classification pada citra Landsat TM
untuk mempetakan endapan lempung. Metode tersebut berhasil dimanfaatkan
untuk mendeteksi keberadaan endapat lempung dengan akurat. Selanjutnya Zhai
dkk (2006) juga memanfaatkan citra Landsat dan diolah melalui metode artificial
neural network untuk mengklasifikasi tekstur tanah. Model pemetaan tekstur tanah
juga berhasil dibangun oleh Bakker (2012) dengan memanfaatkan data citra
ASTER. Bakker (2012) mendasarkan pada variabel penyusun tanah yang didekati
melalui berbagai indek turunan citra ASTER.
c. Analisis singkapan batuan

Penginderaan jauh memiliki kemampuan merekam permukaan bumi area
yang luas dalam satu waktu perekaman. Kemampuan ini bermanfaat dalam
berbagai kajian pada wilayah yang sulit dijangkau secara terestrial. Penginderaan
jauh telah berkembang tidak hanya sebagai fenomena teknis, tetapi telah menjadi
bagian penting dalam memahami perubahan lingkungan (Adams dan Gillespie,
2006). Aplikasi penginderaan jauh untuk kajian khususnya terkait penyingkapan
batuan telah dilakukan oleh beberapa peneliti seperti Qiwei dkk (2003), Yue dkk
(2008, 2009, 2012), Huang dan Cai (2009), Xiong dkk (2009), Yang dkk (2009).
Pemanfaatan teknik dan data penginderaan jauh dalam berbagai penelitian
tersebut digunakan untuk mengidentifikasi sebaran spasial dan tingkat
129
penyingkapan batuan yang terjadi pada daerah penelitiannya. Metode yang
digunakan sebagian besar adalah metode interpretasi visual dan klasifikasi
beracuan.
Li dkk (2009) melakukan analisis sebaran spasial penyingkapan batuan
dikaitkan dengan penggunaan lahan yang ada. Analisis ini secara garis besar
menyimpulkan bahwa penyingkapan batuan terutama berasal dari adanya aktifitas
perusakan hutan. Sejalan dengan hal tersebut, Yang dkk (2009) menyimpulkan
bahwa faktor dominan penyebab terjadinya penyingkapan batuan adalah berbagai
aktifitas manusia dilingkungan tersebut.
Yang dkk (2009) memanfaatkan teknik interpretasi visual berbantuan
komputer (onscreen) untuk menentukan tingkat penyingkapan batuan. Interpretasi
dibantu dengan studi lapangan untuk memperoleh gambaran tentang kondisi
penyingkapan yang terjadi di lapangan. Area yang mengalami penyingkapan batuan
diidentifikasi dengan mengacu pada indikator prosentase luas tutupan vegetasi,
tanah terbuka, singkapan batuan, dan kemiringan lereng. Tabel 1 berikut
menunjukkan klasifikasi tingkat penyingkapan batuan yang digunakan dalam
interpretasi.
Tabel 1. Kriteria penyingkapan batuan
Tingkat penyingkapan Tutupan Vegetasi Singkapan Batuan
(%) (%)
Tidak tersingkap > 60 <30
Ringan 40 – 60 30 – 50
Sedang 20 - 40 50 – 70
Berat < 20 >70
Sumber : Xiong dkk (2009) dengan modifikasi.
Metode klasifikasi beracuan dilakukan oleh Xiong dkk (2009) untuk

menentukan area terpenyingkapan . Segmentasi terlebih dahulu dilakukan untuk
menentukan piksel area terpenyingkapan dan tidak terpenyingkapan . Piksel area
yang mengalami penyingkapan batuan selanjutnya diklasifikasi beracuan untuk
menentukan tingkat penyingkapan yang terjadi pada area tersebut. Studi yang
dilakukan oleh Xiong dkk (2009) ini memberikan kesimpulan bahwa penyingkapan
130
batuan di daerah penelitiannya menunjukkan korelasi positip yang kuat dengan
peningkatan intensitas hujan dan temperatur.
Zhang dkk (2011) memanfaatkan data Landsat TM sebagai sumber data
tutupan hutan dan penggunaan lahan dengan menggunakan analisis NDVI dan
klasifikasi beracuan. Informasi-informasi tersebut selanjutnya di analisis bersama
dengan data-data lain menggunakan model radial basis function network (RBFN).
Hasil analisis RBFN di daerah penelitian menunjukkan bahwa penyingkapan
batuan berkaitan erat dengan kepadatan penduduknya. Area yang terpenyingkapan
kuat tersebar pada wilayah-wilayah yang memiliki tingkat kepadatan penduduk
tinggi.
Pengembangan metode penginderaan jauh untuk penilaian penyingkapan
batuan dilakukan oleh Yue dkk (2008, 2009, 2012) dan Huang dan Cai (2009).
Metode yang dikembangkan menghasilkan indek spektral yang dapat digunakan
untuk pemetaan singkapan batuan yang ditujukan pada penilaian tingkat
penyingkapan batuan. Model AutoSWIR dikembangkan oleh Yue dkk (2008)
dengan mendasarkan pada karakteristik spektral tutupan vegetasi, tanah terbuka dan
singkapan batuan pada julat spektral SWIR dari citra Hyperion. Model AutoSWIR
ini dapat digunakan dengan baik untuk mempetakan sebaran dan pola spasial
penyingkapan batuan di China.
Yue dkk (2009) selanjutnya mengembangkan indek Karst Rocky
Desertification Synthesis Index (KRDSI) untuk penilaian tingkat penyingkapan
batuan. Indek KRDSI sepenuhnya menggunakan julat SWIR antara 2100 nm
hingga 2380 nm. Indek KRDSI dibangun dengan mendasarkan pada karakteristik
spektral dari vegetasi, tanah terbuka dan batuan dasar. Menurut Yue dkk (2009),
fraksional cover vegetasi, tanah terbuka dan singkapan batuan merupakan dasar
penting dalam pencirian gejala proses penyingkapan batuan dari permukaan.
Penelitian ini menyimpulkan bahwa indek KRDSI dapat digunakan dengan baik
untuk mempetakan fraksional tutupan lahan dan berkorelasi kuat dengan tingkat
penyingkapan batuan.
Model NDVI-SMA digunakan Yue dkk (2012) untuk mengkuantifikasi
fraksional cover tutupan vegetasi dan singkapan batuan dengan berbasis pada citra
131
Hyperion dan ASTER. Dalam penelitian ini Yue dkk (2009) menyatakan bahwa
indikator ekologi utama dari gejala penyingkapan batuan yang adalah tutupan
vegetasi dan singkapan batuan dasar. Hasil penelitian tersebut menyatakan bahwa
model NDVI-SMA dapat digunakan dengan baik untuk penyadapan fraksional
tutupan vegetasi dan singkapan batuan dasar. Hasil analisis pada citra Hyperion
menunjukkan akurasi yang lebih tinggi dibandingkan dengan citra ASTER.
Huang dan Cai (2009) membangun Normalized Difference Rock Index
(NDRI) untuk mempetakan sebaran singkapan batuan sebagai penciri area
terpenyingkapan kuat. Indek NDRI dibangun berdasar pada karakteristik spektral
beberapa tutupan lahan pada band 3 dan band 5 citra Landsat TM. Fraksional
tutupan lahan yang digunakan sebagai sampel adalah tutupan hutan bertajuk lebat,
hutan bertajuk jarang, padang rumput, dan singkapan batuan. Persamaan indek
NDRI adalah NDRI = (band 5 – band 3) / (band 5 + band 3)
d. Analisis morfologi lahan
Analisis morfologi medan memerlukan perhitungan-perhitungan parameter

morfometris yang dapat diturunkan dari data DEM. Iguzquiza dkk (2013)
menyebutkan bahwa analisis morfometris memberikan penjelasan geometri dan
topologi dari fitur-fitur geomorfologi secara kuantitatif. Lebih lanjut dikatakan
bahwa analisis ini dapat digunakan sebagai pembeda dari parameter fisik seperti
pola, skala, kompleksitas dan variabilitas struktur geologis, dan indeks-indeks
numeris yang dapat dikorelasikan dengan berbagai parameter fisik lain.
Kemiringan lereng merupakan parameter morfologi yang sangat penting

dalam kajian lingkungan seperti proses hidrologi, gerakan massa tanah, erosi dan
lain-lain (Hickey, 2000; Kolecka, 2012). Data DEM sering digunakan sebagai dasar
perhitungan kemiringan lereng ini (Barringer dan Lilburne, 1997). Kemiringan
lereng dapat dihitung melalui banyak metode seperti diringkas dan diuji oleh Zhang
dkk (1999), Weith dan Mattson (2004), dan Warren dkk (2004). Hasil beberapa
pengujian tersebut menunjukkan bahwa perbedaan metode perhitungan kemiringan
lereng akan menghasilkan perbedaan nilai kemiringan. Namun demikian, temuan
dari beberapa peneliti tersebut menunjukkan bahwa resolusi DEM memberikan
132
pengaruh yang lebih besar terhadap akurasi hasil perhitungan kemiringan
dibandingkan dengan perbedaan metode yang digunakan.
Warren dkk (2004) menyebutkan bahwa secara konseptual terdapat dua

pendekatan dalam perhitungan kemiringan lereng yaitu melalui pendekatan
trigonometri dan pendekatan geometri diferensial. Pendekatan trigonometri
menghitung persentase kemiringan lereng sebagai perubahan ketinggian (∆z) pada
suatu jarak (∆s). Formulasi pendekatan ini dapat dituliskan dalam persamaan 2.3.
Slope(%) = 100(∆z/∆s) ........................................(2.3)
Keterangan :
∆z : beda tinggi titik grid terrendah dengan titik grid di sekelilingnya (meter).
∆s : jarak antara dua titik (meter)
Pendekatan geometri diferensial menghitung persentasi kemiringan sebagai

magnitude vektor kemiringan. Nilai kemiringan pada pendekatan ini dihitung dari
titik ke titik grid yang bersebelahan.
Perhitungan nilai kemiringan dari data DEM sering dilakukan menggunakan

template grid 3x3 yang dioperasikan terhadap data DEM tersebut. Bentuk template
dan notasi masing-masing grid yang digunakan oleh Weith (2004) dapat dilihat
seperti pada Gambar 2.1.
z1 z8 z7
z2 z0 z6
z3 z4 z5
Gambar 3. Template grid 3 x 3 untuk perhitungan nilai kemiringan
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)
dimana nilai dari

𝛿𝑧
( ) = ⁡ [𝑧2 − 𝑧6 ]/2 ∗ ∆𝑋 , dan
𝛿𝑋
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.
Terdapat berbagai cara untuk mengukur kekasaran permukaan melalui data

DEM. Proyek RISC (2003) menilai kekasaran permukaan melalui analisis visual
terhadap kerapatan kontur dan bentuk visual tiga dimensionalnya. Kekasaran
134
permukaan karst (karst roughness). Grafik visual kekasaran permukaan dapat
dilihat pada Gambar 2.2.
Skala 1: 1500
Kekasaran relatif
Halus Sedang Tinggi Sangat Tinggi
Kontur 0.5 m
Pandangan perspektif
Halus
Sedang
Tinggi
Sangat Tinggi
Gambar 4. Grafik visual contoh penilaian kekasaran permukaan karst

Sumber gambar : RISC (2003)
Jenness (2004) melakukan penilaian kekasaran permukaan dengan cara

membandingkan nilai DEM dengan nilai interpolasi TIN. Hollaus dkk (2011)
memanfaatkan lebar pantulan (echo width) gelombang ALS untuk membedakan
tingkat kekasaran medan. Sementara itu Kazmierowski dkk (2015) mengukur
kekasaran permukaan dengan mendasarkan pada standar deviasi DEM, residual,
dan prominensi, kemudian pada skala mikro parameter kekasaran diperluas dengan
memanfaatkan parameter intensitas, nilai perbedaan titik terrendah dengan
sekelilingnya (exposition), rentang, dan tekstur rata-rata DEM. Riley dkk (1999)
dan Wilson dkk (2007) menggunakan dasar template yang diterapkan pada data
DEM untuk perhitungan indeks kekasaran permukaan. Wilson (2007) secara teknis
135
menguraikan indeks kekasaran permukaan sebagai rerata perbedaan nilai piksel
pada tengah template dengan seluruh nilai piksel di sekelilingnya seperti pada
Gambar 2.3.
Gambar 5. Template 3 x 3 untuk perhitungan indeks kekasaran permukaan Riley

Riley dkk (1999) dan Wilson (2007).
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.
Nilai TRI memiliki tingkatan klasifikasi kekasaran permukaan.

Klasifikasi kekasaran permukaan yang banyak digunakan adalah klasifikasi
kekasaran permukaan oleh Riley dkk (1999). Bentuk klasifikasi lain adalah
model indeks kekasaran permukaan oleh Wilson dkk (2007). Perhitungan
indeks kekasaran permukaan pada model Wilson dkk (2007) didasarkan pada
model Riley dkk (1999) tersebut.
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.
a. Analisis kepadatan bangunan perkotaan
Proses pertumbuhan perkotaan membutuhkan penyediaan ruang untuk tempat

tinggal dan pembangunan fasilitas umum (Treman, 2012). Proses pertumbuhan kota
ini memicu munculnya pemadatan bangunan perkotaan yang terjadi dalam dua
bentuk pemadatan, yaitu pemadatan secara horisontal dan secara vertikal.
Pemadatan secara horisontal menghasilkan pertumbuhan wilayah kota secara
spasial. Pada pemadatan jenis ini terjadi pertumbuhan luas wilayah yang memiliki
karakteristik kekotaan seperti pertambahan jumlah bangunan dan akses jalan.
Pemadatan secara vertikal dicirikan oleh perubahan bentuk bangunan. Atap
bangunan menjadi lebih tinggi dengan bertambahnya jumlah lantai banguan
tersebut. Peruntukan dari bangunan menjadi lebih bervariatif, dari peermukiman
hingga jasa dan industri.
Suharyadi (2011), dan Wijaya dan Umam (2015) menganalisis kepadatan

bangunan melalui data penginderaan jauh dan sistem informasi geografis. Data
yang digunakan adalah data citra resolusi menengah dan tinggi. Sementara itu
Treman (2012) memanfaatkan data foto udara dan ikonos untuk analisis kepadatan
ini. Data tersebut digunakan sebagai dasar analisis area terbangun yang berupa
bangunan baik untuk permukiman atau penggunaan lainnya.
Metode yang diaplikasikan oleh Suharyadi (2011) adalah melalui teknik

klasifikasi beracuan yang digunakan sebagai awal analisis kepadatan permukiman
kota. Klasifikasi dilakukan pada data citra Landsat dan Aster multi temporal.
Kepadatan bangunan diklasifikasi berdasar nilai spektral citra. Kepadatan bangunan
masing-masing tahun ditunjukkan oleh citra klasifikasi pada perekaman tahun
tersebut. Pemadatan diketahui dari perbandingan antar citra klasifikasi tersebut
antar tahun. Tahap selanjutnya, analisis visual dilakukan terhadap data citra
Quickbird untuk menghitung kepadatan pada lokasi sampel. Bentuk bangunan
138
dapat dengan mudah teridentifikasi pada citra resolusi tinggi ini. Kepadatan
dihasilkan dari perhitungan jumlah bangunan per satuan luas lahan. Validasi
dilakukan secara terestrial di lokasi sebenarnya dari hasil analisis kepadatan
tersebut.
Hasil analisis menghasilkan informasi densifikasi bangunan perkotaan terkait

dengan pola (arah densifikasi bangunan, hubungan antara densifikasi bangunan
dengan jarak dari pusat kegiatan di daerah perkotaan, jarak dari jalan utama, dan
jarak dari pusat kegiatan), dan kecepatan densifikasi bangunan. Jarak dari pusat
kota dan jalan utama menunjukkan pengaruh yang kuat terhadap proses pemadatan
bangunan di wilayah perkotaan. Pada kajiannya Wijaya dan Umam (2015)
menghasilkan persamaan regresi antara perubahan tutupan lahan non terbangun
menjadi lahan terbangun dengan variabel jarak.
Y = 6,9430 - 3,121600*X1 - 3,592608*X2 – 4,318929*X3
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).
Gambar 6 tersebut adalah prediksi perkembangan lahan terbangun di kota

Yogyakarta pada tahun 2023. Prediksi dilakukan dengan menggunakan formulasi
yang dihasilkan dalam kajiannya di atas. Berdasar gambar tersebut, nampak proses
pemadatan akan terjadi dengan arah menuju pusat kota. Pemadatan diluar kota
terjadi searah dengan jalur jalan utama yang menghubungkan pusat kota dengan
daerah penyangganya. Berdasar temuan-temuan tersebut diketahui bahwa variabel
terbesar terhadap perubahan lahan terbangun adalah jarak terhadap pusat kegiatan,
diikuti jarak terhadap jalan utama, dan jarak terhadap jalan non utama. Pusat
kegiatan dan pusat kota menjadi pemicu terjadinya pemadatan bangunan seperti
ditunjukkan dalam penelitian Suharyadi (2011) dan Wijaya dan Umam (2015).
140
b. Analisis kualitas permukiman perkotaan
Pertumbuhan kota sering terjadi dengan tidak terkendali. Pertumbuhan terjadi

secara alamiah sejalan dengan peningkatan kebutuhan masyarakat. Pertumbuhan
fisik kota akan berkaitan dengan kualitas permukiman yang ada pada wilayah
tersebut. Pertumbuhan fisik kota harus diimbangi dengan penambahan sarana dan
fasilitas umum yang memadai. Pada kondisi inilah sangat diperlukan pemantauan
dan penilaian kualitas permukiman perkotaan secara kontinyu.
Penginderaan jauh dan sistem informasi geografis memberikan banyak
manfaat dan kemudahan dalam hal pemantauan dan penilaian ini. Beberapa
penelitian terkait kualitas permukiman dilakukan oleh Priyono dkk (2013) dan
Farizki dan Anurogo (2017). Kedua penelitian tersebut memanfaatkan data
penginderaan jauh resolusi tinggi. Data ini memberikan kemudahan dalam
mengidentifikasi kondisi bangunan dan lingkungan pada wilayah analisis.
Interpretasi dilakukan melalui metode interpretasi visual pada data citra tersebut.
Parameter yang digunakan dari kedua penelitian tersebut adalah kepadatan
permukiman, kerapatan vegetasi, lebar jalan masuk lingkungan permukiman,
kondisi jalan masuk lingkungan permukiman, pola permukiman, kondisi halaman
permukiman, lokasi permukiman terhadap sumber polusi, dan pohon pelindung.
Farizki dan Anurogo (2017) menilai kualitas permukiman dengan kriteria sebagai
berikut :
- Kepadatan permukiman jarang (<40%)
- Tata letak bangunan teratur dengan luasan lebih dari 50% luas area.
- Jalan masuk memiliki lebar lebih dari 6 meter dapat dilalui 2 hingga 3 mobil
dengan kondisi diperkeras semen atau aspal.
- Lokasi permukiman jauh dari sumber polusi seperti terminal, pabrik
perdagangan dan jasa, serta jalan utama.
- Terdapat pohon perindang pada jalan masuk blok permukiman.
Parameter-parameter di atas dapat diturunkan dari data citra Quickbird
dengan baik melalui interpretasi visual. Parameter selalnjutnya diberi bobot dalam
persamaan penilaiannya. Parameter kepadatan dan lebar jalan masuk mendapat
bobot 3, sedangkan parameter lain mendapat bobot 2. Secara jelas, persamaan
141
penilaian kualitas permukiman yang dilakukan oleh Farizki dan Anurogo (2017)
adalah sebagai berikut :
HTCitra = (H.Kpdt*3) + (H.Tata*1) + (H.Lbrjln*3) + (H.lok*2) + (H.MsJln*2)

+ (H.PhPel*2)
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
Kualitas permukiman ditentukan dari kelas total harkat hasil perhitungan di

atas. Berikut tabel klasifikasi kualitas permukiman tersebut.
Tabel 2. Klasifikasi Kualitas Permukiman

Total Harkat Klasifikasi Klas
31 – 39 Kualitas Baik I
22 – 30 Kualitas Sedang II
13 - 21 Kualitas Buruk III
Sumber ; Farizki dan Anurogo (2017)
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
Sistem transportasi adalah sebuah sistem yang dinamis sejalan dengan

perkembangan pola kehidupan masyarakat dan lingkungan fisik perkotaan.
Transportasi yang efektif, efisien dan aman sangat dibutuhkan guna sebagai sarana
perpindahan barang dan jasa. Keberadaan sarana transportasi yang efektif, efisien
dan aman merupakan urat nadi pertumbuhan perekonomian wilayah perkotaan dan
daerah sekitarnya.
Analisis pengembangan sarana transportasi saat ini telah banyak didukung
oleh teknologi penginderaan jauh dan sistem informasi geografis. Data
penginderaan jauh dengan resolusi tinggi serta kemampuan pengolahan data yang
flesibel oleh sistem informasi geografis memberikan manfaat yang besar dalam
kajian-kajian ini.
Pemanfaatan sistem informasi geografis dalam sistem transportasi
berkembang dalam dua hal. Kedua hal tersebut yaitu terkait bagaimana
pengembangan aplikasi yang dapat diterapkan untuk membantu sistem transportasi
itu sendiri, dan kedua adalah terkait bagaimana pemanfaatan sistem informasi
geografis dalam studi sistem transportasi. Arus besar yang pertama cenderung
berproses dalam pembuatan berbagai aplikasi seperti pemesanan dan pelayanan
moda transportasi. Di Indonesia beberapa startup telah sangat dikenal oleh
masyarakat. Arus besar kedua adalah memanfaatkan sistem informasi geografis
sebagai alat visualisasi dan analisis dalam kajian-kajian sistem transportasi. Kajian
ini banyak memanfaatkan metode-metode SIG seperti network analyst dan lain-
lain.
Studi transportasi yang mendasarkan pada sistem informasi geografis
dikelompokkan menjadi tiga golongan besar (Shaw dan Rodrigue, 2017), yaitu
representasi data, analisis dan pemodelan, serta aplikasi. Representasi data
mengkaji tentang bagaimana berbagai variasi komponen sistem transportasi
dikemas dalam suatu basisdata. Basis data ini selanjutnya dimanfaatkan sebagai
dasar berbagai analisis dan pengembangan model serta aplikasi. Metode pokok
dalam representasi data adalah model data berbasis objek (object-based data
models) dan model data berbasis kolom (field-based data models). Pada metode
143
pertama, data diwujudkan dalam bentuk titik, garis, dan atau poligon. Metode kedua
merepresentasikan data dalam bentuk kontinyu, seperti grid raster atau TIN
(triangulated irregular network).
Analisis dan modelling membahas tentang berbagai metodologi yang
memungkinkan untuk digunakan dalam mengkaji dunia nyata dalam sistem
transportasi. Shaw dan Rodrigue (2017) dalam ini mencontohkan beberapa model
yang dikembangkan dalam analisis sistem transportasi seperti.
- Algoritma jalur terpendek
- Model interaksi spasial
- Jalur jaringan untuk mendapatkan biaya minimum dan lain-lain
- Permasalahan penempatan lokasi fasilitas umum
- Model kebutuhan alat transportasi
- Model interaksi alat transportasi dengan bentuk pemanfaatan lahan
setempat.
Model-model diatas adalah pendekatan yang saat ini dikembangkan dalam
studi sistem transportasi berbasis sistem informasi geografis. Model tersebut
selanjutnya akan mendukung pengembangan aplikasi terapan pada sistem
transportasi di dunia nyata.
Pada bidang aplikasi, membahas tentang tipe-tipe aplikasi yang sesuai dengan
berbagai data yang tersedia dan dapat diterapkan dalam sistem transportasi
sesungguhnya. Beberapa contoh aplikasi terapan pada sistem transportasi berbasis
sistem informasi geografis adalah aplikasi-aplikasi
- Manajemen dan perencanaan infrastruktur
- Analisis keamanan transportasi
- Analisis kebutuhan perjalanan
- Kontrol dan monitoring lalu lintas
- Operasi dan perencanaan transit publik
- Penilaian dampak lingkungan dan ekonomi
- Penjadwalan dan rute perjalanan
- Traking kendaraan
- Manajemen penerbangan
144
Selain contoh diatas, masih ada banyak yang lainnya yang telah diaplikasikan
di seluruh dunia. Masing-masing aplikasi pada contoh tersebut selalu memerlukan
data dan analisis yang bersifat spesifik. Perbedaan tersebut terdapat pada bentuk
data ataupun tingkat kedetilan dari data tersebut dalam setiap analisis yang
dilakukan oleh aplikasi. The Volpe Center (2012) mencontohkan struktur proses
analisis perolehan hingga penyajian data dalam aplikasi sistem manajemen aset
transportasi.
Gambar 7 Proses aplikasi sistem manajemen aset transportasi.

Sumber: the Volte Center
Gambar tersebut menunjukkan rangkaian proses dari perolehan data,

penyimpanan, analisis, hingga diseminasi data. Proses tersebut berjalan secara
simultan dan terus menerus dalam aplikasi yang dibangun berbasis sistem informasi
geografis. Perolehan data dilakukan dari banyak sumber yang selanjutnya
dipadukan menjadi sumber data spasial dan non spasial yang saling melengkapi.
Proses penyimpanan data dilakukan dalam beberapa data base yang saling
terkoneksi. Sistem analisis data dibentuk dan disusun sesuai kebutuhan aplikasi.
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.
Gambar 8. Proses analisis pembuatan peta risiko lalu lintas

Sumber: Fuller dkk (2002)
Proses ini dilakukan dengan memberikan identifikasi terhadap potensi bahaya

yang ada pada jaringan jalan serta memberikan data-data dasar untuk mengurangi
risiko yang mungkin muncul. Potensi bahaya diidentifikasi melalui overlay dengan
data DTM. Pada kajian ini citra pokok yang digunakan adalah citra Ikonos dan foto
udara digital. Data citra diturunkan menjadi peta tematik jaringan jalan perdesaan.
146
Hasil interpretasi menunjukkan potensi bahaya yang muncul pada jaringan jalan
disebabkan oleh faktor kemiringan lereng, geometri jalan dan adanya berbagai
persimpangan jalan.
Hermawan dkk (2009) menganalisis pola pengembangan angkutan umum di
daerah sub urban. Kajian ini lebih menggunakan data vektor jaringan jalan dengan
banyak mengeksplorasi kemampuan perangkat lunak sistem informasi geografis.
Konsep dasar yang dilakukan adalah dengan membentuk area buffer zone
pelayanan angkutan umum. Buffer zone ini adalah koridor pelayanan yang ideal
berdasar parameter yang ditentukan oleh SK Dirjen Perhubungan Darat
No.SK.687/AJ.206/DRJD/2002. Temuan yang didapatkan dalam ketiga kajian
tersebut menunjukkan bahwa citra resolusi tinggi dengan ditambahkan data citra
resolusi menengah dan berbagai data tabular dapat memberikan hasil yang akurat.
Perkembangan saat ini, sistem transportasi modern telah banyak
mengaplikasikan sistem informasi geografis khususnya berbasis pada WebGIS.
Masyarakat Indonesia saat ini telah sangat familiar dengan berbagai aplikasi
transportasi online. Aplikasi ini mampu memberikan informasi yang jelas tentang
tujuan dan asal mula sebuah perjalanan, bahkan rute yang terdekat yang akan
dilewati. Beberapa aplikasi berbasis webgis yang mendunia seperti GoogleMap
bahkan mampu memberikan informasi lokasi-lokasi yang padat kendaraan,
sehingga pengguna jalan dapat menghindarinya sebelum sampai pada lokasi
kepadatan tersebut. Beberapa sistem transportasi di kota besar memberikan
informasi posisi bis yang akan digunakan oleh penumpang, sehingga penumpang
bisa memperkirakan waktu sampainya bis tersebut pada halte di mana penumpang
tersebut berada. Deskripsi tersebut merupakan contoh dari pemanfaatan sistem
informasi geografi dalam sistem transportasi yang sangat membantu bagi berbagai
pihak.
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.
Suharyadi, 2011. Interpretasi Hibrida Citra Satelit Resolusi Spasial Menengah

Untuk Kajian Densifikasi Bangunan Daerah Perkotaan Di Daerah Perkotaan
Yogyakarta. Disertasi. Fakultas Geografi. UGM. Yogyakarta.
Taubenbock, H., 2019. Remote sensing for the Analysis of global

urbanization.Thesis. Department of Geography and Geology, Julis-
Maximilians University, Wurzburg.
Taylor, H.M., dan Karlin, S., 1998. An Introduction to Stochastic Modeling, Third
Edition, Academic Press, New York.
Tempfli, K., Kerle, N., Huurnemann, G.C., Janssen, C.L.F., 2001. Principles of
Remote Sensing an Introductory textbook. ITC, Netherlands.
Teotia, H., S., Ulbricht, K., A., Silvino, G., dS., 2010. Remotely Sensed Data &
GIS In Land Resources Management For Regional Planning Over Semi-Arid
Parts Of Ne Brazil. In : Wagner W., Székely, B. (eds.): ISPRS TC VII
Symposium – 100 Years ISPRS, Vienna, Austria, July 5–7, 2010, IAPRS,
Vol. XXXVIII, Part 7B
The Volte Center, 2012. Best Practices In Geographic Information Systems-Based
Transportation Asset Management. Office of PlanningFederal Highway
AdministrationU.S. Department of Transportation.
Thonon, I., dan Pose, C.M., 2001. Geostatistical interpolation of topographical field
data in order to obtain a DEM of small forest catchment in Norstwest Spain,
Coruna, Vol. 26, Hal. 179-190.
Treman, I.W., 2012. Pemanfaatan penginderaan jauh untuk kajian densifikasi
rumah mukim perkotaan. Media Komunikasi. Vol 11 No 1. Hal 1-15.
Turdukulov, U.D., Tolpekin, V., Kraak, M.J., 2015. Visual exploration of time
series of remote sensing data. Citeseerx.ist.psu.edu.
Warren, S.D., Hohmann M.G., Auerswald, K., Mitasova, H., 2004. An evaluation
of methods to determine slope using digital elevation data. Catena, Vol. 58,
Hal. 215 - 233.
Watkins, N.W., Freeman, M.P., 2008. Natural Complexity, Science, Vol. 320. hal.
323-324.
Weith, R.C., Mattson, T.L., 2004. Modeling slope in a Geographic Information
System. Journal of the Arkansas Academy of Science, Vol. 58, Hal. 100-108.
Wijaya, M.S., dan Umam, N., 2015. Pemodelan spasial perkembangan fisik
perkotaan Yogyakarta menggunakan model cellular automata dan regresi
logistik biner. Majalah Ilmiah Globe, Vol 17 No. 2, hal 165-172
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

Geografi - Modul1 - Perpetaan, Penginderaan Jauh Dan SIG PDF

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Geografi - Modul1 - Perpetaan, Penginderaan Jauh Dan SIG PDF

Diunggah oleh

Hak Cipta:

Format Tersedia

Kode : DAR2/Profesional/207/1/2019

Pendalaman Materi : Geografi

Dr. Eko Budiyanto, M.Si.

Pendidikan Profesi Guru

Puji syukur penulis panjatkan kehadirat Allah SWT atas terselesaikannya

Atas selesainya modul ini, penulis tidak lupa menyampaikan terimakasih

Surabaya, 1 Nopember 2019

Dr. Eko Budiyanto, M.Si

KEGIATAN BELAJAR 2 ............................................................................ 37

KEGIATAN BELAJAR 3 ............................................................................ 85

KEGIATAN BELAJAR 4 ............................................................................ 119

Penulis : Dr. Eko Budiyanto, M.Si.

Kementerian Pendidikan dan Kebudayaan

C. SUB CAPAIAN PEMBELAJARAN

1. Peran peta pada era industri 4.0

Bapak-Ibu yang terhormat, selamat berjumpa lagi dalam pembelajaran kita

Gambar 1. Karakteristik masing-masing tahapan era industri. Sumber : Rojko, 2017.

Pengertian peta telah banyak diuraikan dalam berbagai literatur terutama

Pertama, definisi tersebut secara jelas menyatakan bahwa yang dituangkan

Kedua, penggambaran muka bumi dituangkan pada bidang datar dua

Keempat, penggambaran peta menggunakan satu sistem proyeksi tertentu.

Gambar 2. Contoh peta untuk penunjang sebuah penelitian

Gambar 2. merupakan satu peta yang menunjukkan batas-batas administrasi

Sejalan dengan perkembangan teknologi terjadi pergeseran pada media dan

Kraak (2004) menunjukkan bahwa perkembangan teknologi internet dalam

Peta tersusun atas beberapa komponen yang saling berkaitan. Komponen

Gambar 3. Contoh judul peta

Gambar 3. merupakan contoh dari judul peta. Judul tersebut memberikan

Skala peta adalah perbandingan jarak di peta dengan di muka bumi

Gambar 4. Skala grafis

Gambar 5. Simbol peta

Terkait dengan bentuk simbol, variabel visual ini memiliki karakteristik

Tabel 1. Karakteristik variabel visual simbol

(Sumber: ESRI, 1996)

Gambar 7. Ukuran simbol untuk menampilkan informasi jumlah penduduk

Pada Gambar 7. tersebut variabel ukuran digunakan untuk menampilkan

Interpretasi terhadap simbol merupakan hal yang penting dalam pemanfaatan

Legenda adalah keterangan yang menjelaskan informasi dari simbol-simbol

Gambar 8. menunjukkan satu contoh legenda peta. Judul legenda tersebut

Keterangan legenda berupa angka atau kalimat yang menjelaskan simbol

Gambar 9. Bentuk orientasi arah peta

Koordinat geografis diwujudkan dalam bentuk lintang dan bujur. Grid

g. Pembuat dan Tahun Pembuatan

Pembuat dan tahun pembuatan merupakan petunjuk siapa yang mengeluarkan

Tahun pembuatan memberikan informasi tentang kekinian isi dari peta

Gambar 11. Inset peta sebagai referensi posisi geografis

- Meridian dan Paralel

Meridian adalah garis yang menghubungkan kutub utara dengan kutub

Gambar 12. Meridian dan Paralel

- Garis Geodesik dan Orthodrome

b. Klasifikasi Proyeksi Peta

Uraian dimuka menjelaskan bahwa peta tertuang pada bidang datar,

Penggambaran bidang lengkung pada bidang datar sering menimbulkan

Proyeksi peta menggambarkan permukaan bumi pada satu sistem koordinat

Gambar 13. Proyeksi berdasar bidang proyeksinya

Titik persinggungan bidang proyeksi menghasilkan proyeksi tipe tangent dan

Proyeksi tangent menghasilkan satu titik singgung yaitu pada bidang

Gambar 14. Proyeksi berdasar titik singgungnya

Berdasar posisi bidang proyeksinya diketahui proyeksi normal, miring

Gambar 15. Proyeksi berdasar posisinya

Proyeksi ekuivalen adalah proyeksi yang mempertahankan ketepatan luas.

Berdasar proses generasinya, dikenal sistem proyeksi geometris, matematis

Sistem proyeksi berdasar sifat eksternal terdapat tiga klasifikasi yaitu