EVALUASI TENGAH SEMESTER (ETS)

RM185102 – PEMROGRAMAN DATA SPASIAL

Dosen : Hepi Hapsari Handayani, ST., M.Sc., Ph.D

KOMBINASI BAND CITRA LANDSAT 8

UNTUK ANALISIS TUTUPAN LAHAN WILAYAH
KABUPATEN CILACAP

Disusun Oleh
Sigit Kurniawan, ST.
(6016211006)

PROGRAM MAGISTER
TEKNIK GEOMATIKA

FAKULTAS TEKNIK SIPIL PERENCANAAN & KEBUMIAN (FTSPK)

INSTITUS TEKNOLOGI SEPULUH NOPEMBER
2021
 BAB I. PENDAHULUAN
I.1. Latar Belakang

Kabupaten Cilacap mengalami pembangunan yang sangat pesat . Kondisi tutupan

lahan sebagai akibat percepatan pembangunan ini perlu diketahui sebagai bahan

evaluasi dan perencanaan pengembangan pembangunan berikutnya. Akan tetapi

untuk mengetahui tutupan lahan pada suatu daerah yang luas memerlukan waktu dan

tenaga yang tidak sedikit. Oleh karena itu dibutuhkan teknik yang efektif untuk

mendapatkan informasi tutupan lahan dari jauh tanpa melakukan observasi secara

keseluruhan di lapangan yang areanya sangat luas, teknik itu biasa disebut teknik

pengindraan jauh.

Teknik penginderaan jauh telah berkembang sangat pesat sejak diluncurkannya

Landsat 1 pada tahun 1972 hingga peluncuran Landsat 7. Saat ini Landsat 7 masih

berfungsi namun pada Mei 2003 mengalami kegagalan pada Scan Line Corrector

sehingga sangat mengganggu dalam melakukan analisis citra (Mentari, 2013; USGS,

2016). Pada tanggal 11 Februari 2013 diluncurkan satelit generasi terbaru yaitu Landsat

Data Continuity Mission (LDCM) yang dikenal sebagai Landsat 8. Keberhasilan ini

melanjutkan misi satelit Landsat dalam pengamatan permukaan bumi (Lulla et al.,

2013). Landsat 8 mengorbit bumi setiap 99 menit, serta melakukan liputan pada area

yang sama setiap 16 hari kecuali untuk lintang kutub tertinggi. Landsat 8 mengorbit

bumi pada ketinggian rata-rata 705 km dengan sudut inklinasi 98.2°. Landsat 8 memiliki

2 sensor yaitu sensor Operasional Land Imager (OLI) terdiri dari 9 saluran (band)
termasuk band pankromatik beresolusi tinggi dan Thermal Infra Red Sensor (TIRS)

dengan 2 band thermal.

Penginderaan jauh tanpa memerlukan waktu dan tenaga yang banyak seperti

observasi langsung dilapangan, dengan menggunakan aplikasi dapat mengolah data

citra satelit Landsat 8 untuk menghasilkan visualisasi klasifikasi tutupan lahan yang

mencakup area yang luas. Diantaran aplikasinya adalah R.

I.2. Tujuan

Mengetahui tutupan lahan di Kabupaten Cilacap menggunakan program R dengan

menerapkan beberapa kombinasi band pada Landsat 8.

I.3. Batasan Masalah

Batasan masalah pada tugas mata kuliah Pemrograman Data Spasial yaitu

melakukan komposit band dan visualisasinya dengan software R.

I.4. Manfaat

Manfaat yang diperoleh dari tugas ini adalah mendapatkan pengetahuan dan

keterampilan baru menggunakan lunak open source R untuk pengolahan data raster

terutama citra satelit multispectral untuk komposit band dan visualisasinya.

 BAB II. DASAR TEORI

II.1. Tutupan Lahan

Tutupan lahan merupakan bentuk fisik yang tampak pada permukaan bumi

misalnya tutupan vegetasi baik natural (hutan) maupun yang dimodifikasi oleh manusia

(pertanian/kebun), lahan terbangun dan perairan (Campbell, 2008:559; Lembaga

Penerbangan dan Antariksa Nasional, 2015).

Tutupan Lahan adalah tutupan biofisik pada permukaan bumi yang dapat diamati

merupakan suatu hasil pengaturan, aktivitas, dan perlakuan manusia yang dilakukan

pada jenis penutup lahan tertentu untuk melakukan kegiatan produksi, perubahan,

ataupun perawatan pada penutup lahan tersebut.

Kelas penutup lahan dibagi menjadi dua bagian besar, yaitu daerah bervegetasi

dan daerah 3 dari 23 tak bervegetasi. Semua kelas penutup lahan dalam kategori

daerah bervegetasi diturunkan dari pendekatan konseptual struktur fisiognomi yang

konsisten dari bentuk tumbuhan, bentuk tutupan, tinggi tumbuhan, dan distribusi

spasialnya. Sedangkan dalam kategori daerah tak bervegetasi, pendetailan kelas

mengacu pada aspek permukaan tutupan, distribusi atau kepadatan, dan ketinggian

atau kedalaman objek.

 Tingkat 1Resolusi Rendah Tingkat 2 Resolusi Menengah Tingkat 3 Resolusi Tinggi
1. Air 1.1. Perairan Laut 1.1.1. Air Laut Dalam
1.1.2. Aur Laut Dangkal
1.2. Perairan Darat 1.2.1. Danau
1.2.2. Waduk
1.2.3. Setu
1.2.4. Rawa
1.2.5. Tambak
1.2.6. Sungai
2. Vegetasi 2.1. Hutan 2.1.1. Hutan Lahan Basah
2.1.2. Hutan Lahan Kering
2.1.3. Belukar/Semak
2.2. Perkebunan 2.2.1. Perkebunan Industri
2.2.2. Perkebunan Campuran
2.3. Pertanian 2.3.1. Sawah
2.3.2. Tegalan/Ladang
3. Tanah 3.1. Lahan Terbangun 3.1.1. Permukiman Kota
3.1.2. Permukiman Desa
3.1.3. Fasilitas Umum
3.2. Lahan Terbuka 3.2.1. Pasir
3.2.2. Galian Tambang
3.2.3. Endapan Lahar
3.2.4. Batuan
3.2.5. Gosong

Menurut Nurbaya (2015 dalam Hashimoto et al., 2005) dari prespektif ekologi,

target realistik untuk tutupan kanopi pohon di area perkotaan adalah 10% untuk

menjaga keberlanjutan lingkungan kota. RTH dengan komponen utama vegetasi

berperan meningkatkan daya dukung dan kualitas ekologi lingkungan (Wulandari et al.

2013). Tegakan pohon memiliki kemampuan lebih baik dan efektif mengurangi suhu di

area perkotaan (Zain et al. 2015). Meskipun demikian, semua bentuk RTH membantu

area perkotaan mengatasi pulau bahang (urban heat island), yaitu kondisi di mana suhu

di daerah perkotaan lebih tinggi daripada daerah sekitarnya (Choi et al. 2012).
II.2. Penginderaan Jauh

Penginderaan jauh semakin digunakan di hampir segala bidang. Hal ini

disebabkan oleh peningkatan kesadaran masyarakat bahwa data observasi bumi

memberikan informasi spasial dan temporal yang penting dan berguna. Data tersebut

dapat digunakan untuk membuat keputusan yang lebih baik, merancang kebijakan dan

menangani masalah yang berkisar dalam skala dari lokal ke global (Baynard, 2013).

Informasi tutupan lahan dapat diperoleh dengan memanfaatkan berbagai metode

klasifikasi citra yang ada pada teknik penginderaan jauh. Teknik ini dapat dikatakan

efektif dalam pemetaan karena memiliki kemampuan untuk menyediakan informasi

keragaman spasial yang ada di permukaan bumi dengan mudah, cepat dan tepat.

II.3. LANDSAT 8

Landsat 8 merupakan satelit generasi ke delapan dari program Landsat dan

merupakan jenis satelit yang berfungsi untuk observasi bumi. Landsat 8 atau juga

disebut Landsat Data Continuity Mission (LDCM) merupakan hasil kerjasama antara

The National Aeronautics and Space Administration (NASA) dan United States

Geological Survey (USGS) yang diluncurkan pada 11 Februari 2013 dan mulai

menyediakan produk citra open-access pada 30 Mei 2013 (NASA, 2018).

Landsat 8 mengukur rentang panjang gelombang yang berbeda-beda di

sepanjang spektrum elektromagnetik, hingga rentang yang tidak dapat dilihat oleh mata

manusia. Setiap rentang disebut sebagai kanal (band) dan Landsat 8 sendiri memiliki

total 11 kanal (US. Geological Survey, 2019). Program Landsat 8 menyediakan data

multispektral beresolusi menengah yang diakuisisi secara repetitif dari permukaan bumi
secara global. Data Landsat 8 dapat diunduh secara gratis dari laman

https://earthexplorer.usgs.gov/. Satelit Landsat 8 dirancang untuk diorbitkan pada

ketinggian 705 km dengan inklinasi 98.2º, waktu liput ulang (resolusi temporal) 16 hari,

ukuran scene yang dihasilkan 170 × 183 km dengan resolusi spasial 15 – 100 m. Satelit

membawa dua buah sensor yaitu Operational Land Imager (OLI) dan Thermal Infrared

Sensor (TIRS) (US. Geological Survey, 2019).

Landsat Data Continuity Mission (LDCM) atau dikenal juga dengan nama Landsat

8 merupakan satelit generasi terbaru dari Program Landsat. Satelit ini merupakan

project gabungan antara USGS dan NASA beserta NASA Goddard Space Flight Center

dan diluncurkan pada hari Senin, 11 Februari 2013 di Pangkalan Angkatan Udara

Vandeberg, California - Amerika Serikat.

Satelit Landsat 8 yang direncanakan mempunyai durasi misi selama 5 – 10 tahun

ini, dilengkapi dua sensor yang merupakan hasil pengembangan dari sensor yang

terdapat pada satelit-satelit program Landsat sebelumnya. Kedua sensor tersebut yaitu:

1. Onboard Operational Land Imager (OLI) pada Landsat 8 yang merupakan

buatan Ball Aerospace. Sistem sensor ini memiliki 9 (sembilan) kanal dan

terdapat 2 (dua) kanal yang baru, yaitu: Deep Blue Coastal/Aerosol Band

(0,433 – 0,453 mikrometer) untuk deteksi wilayah pesisir serta Shortwave-

InfraRed Cirrus Band (1,360 – 1,390 mikrometer) untuk deteksi awan cirrus.

2. Sensor Thermal InfraRed Sensors (TIRS). Instrumen ini juga terdapat pada
 satelit Landsat 8. Sensor ini dibuat oleh NASA Goddard Space Flight Center,

terdapat 2 (dua) kanal pada region thermal yang mempunyai resolusi spasial

100 meter.

Dibandingkan versi-versi sebelumnya, Landsat 8 memiliki beberapa keunggulan

khususnya terkait spesifikasi kanal-kanal yang dimiliki maupun panjang rentang

spektrum gelombang elektromagnetik yang ditangkap. Sebagaimana telah diketahui,

warna objek pada citra tersusun atas 3 (tiga) warna dasar, yaitu Red, Green dan Blue

(RGB). Dengan makin banyaknya kanal sebagai penyusun komposit RGB, maka

warna-warna obyek menjadi lebih bervariasi (USGS, 2013).

Sebelumnya tingkat keabuan (Digital Number/DN) pada citra Landsat berkisar

antara 0–255. Dengan hadirnya Landsat 8, nilai DN memiliki interval yang lebih

panjang, yaitu 0–65535. Kelebihan ini merupakan akibat dari peningkatan sensitifitas

Landsat dari yang semula tiap piksel memiliki kuantifikasi 8 bit, sekarang telah

ditingkatkan menjadi 16 bit. Tentu saja peningkatan ini dapat lebih membedakan

tampilan obyek-obyek di permukaan bumi sehingga mengurangi terjadinya kesalahan

interpretasi. Tampilan citra pun menjadi lebih halus, baik pada kanal multispektral

maupun pankromatik (USGS, 2013).

Terkait resolusi spasial, Landsat 8 memiliki kanal-kanal dengan resolusi tingkat

menengah, setara dengan kanal-kanal pada Landsat 5 dan Landsat 7. Umumnya kanal

pada OLI memiliki resolusi 30 m, kecuali untuk pankromatik 15 m.

 Dengan demikian produk-produk citra yang dihasilkan oleh Landsat 5 dan

Landsat 7 pada beberapa dekade yang lampau masih relevan bagi studi data time

series terhadap Landsat 8 (USGS, 2013).

Tabel berikut merupakan kanal (band) yang disediakan oleh Landsat 8 beserta
fungsi-fungsinya.

Kanal Panjang Resolusi Fungsi

Gelombang Spasial
(μm) (m)
Operational Land Imager (OLI)
Band 1 - Coastal Aerosol 0.435 – 0.451 30 Studi terkait daerah pesisir dan
aerosol seperti debu dan asap
pada atmosfer
Band 2 - Biru 0.452 – 0.512 30 Pemetaan batrimetri dan
membedakan antara tanah dan
vegetasi
Band 3 - Hijau 0.533 – 0.590 30 Mempertegas warna vegetasi
untuk mengetahui kesehatan
tanaman
Band 4 - Merah 0.636 – 0.673 30 Membedakan tingkat
kemiringan vegetasi
Band 5 - Near Infrared 0.851 – 0.879 30 Mempertegas kadar biomassa
(NIR) dan garis pantai
Band 6 - Short-wave 1.566 – 1.651 30 Membedakan kadar lengas
Infrared (SWIR) 1 antara tanah dan vegetasi ;
menembus awan tipis
Band 7 - Short-wave 2.107 – 2.294 30 Meningkatkan perbedaan kadar
Infrared (SWIR) 2 lengas tanah dan vegetasi serta
penembusan awan tipis
Band 8 - Pankromatik 0.503 – 0.676 15 15 Mempertajam tampilan citra
Band 9 - Cirrus 1.363 – 1.384 30 Meningkatkan deteksi awan
Cirrus
Thermal Infrared Sensor (TIR)
Band 10 - TIRS 1 10,60 – 11,19 100 Pemetaan suhu permukaan dan
perhitungan kelembaban tanah
` 11,50 – 12,51 100 Meningkatkan deteksi suhu
permukaan dan kelembaban
tanah
 BAB III. METODOLOGI
III.1. DATA

Citra Landsat 8 OLI/TIRS C2L2, waktu perekaman 25 September 2021 yang

didownload dari http://earthexplorer.usgs.gov.

III.2. TAHAPAN

Secara umum, untuk melakukan komposit band citra Landsat 8 di software R

dilakukan tahapan antara lain : download citra, load packages yang diperlukan, layer

stacking (RasterStack), konversi ke RasterBrick, pembuatan band composite, plot

(visualisasi).

Diagram Alir
a) Load Library

Melakukan pemangilan data library/package, jika belum ada dapat diinstal

terlebih dahulu. Untuk pengolahan data citra, package yang dipanggil antara

lain raster, rgeos, dan rgdal.

b) Set Directory

Menentukan direktori tempat penyimpan file Landsat.

c) Membuat List Files

Menentukan data band yang digunakan yang terdapat pada direktori ke dalam

list.files . Data yang digunakan dengan kriteria band dalam format tiff.

d) Raster Stack

Membuat RasterStack langsung dari listfile yang berisi file scene tiap band.
e) Melihat metadata

Menngunakan fungsi print untuk melihat metadata file yang sudah dikelaskan

kedalam Rasterstack.

f) Raster Brick

Konversi RasterStack ke RasterBrick, yaitu manjadikan data yang sebelumnya

menggunakan data di drive menjadi dalam bentuk R object sehingga mudah

dalam prosesing data raster.

g) Plot Data

Setelah pembuatan rasterstack maka band sudah dalam bentuk R object,

selanjutnya band dapat di plot/ divisualisasi.

h) Composit Band RGB 543

i) Composite Band RGB 764

j) Composite Band RGB 562

 BAB IV. HASIL DAN PEMBAHASAN

IV.1 Hasil Komposit 543

Komposit ini adalah kombinasi band 543, yaitu band 5 (Near-Infrared),

band 4 (red), band 3 (green). Komposit ini biasa disebut red false color, vegetasi

akan tampak berbayang merah. Kombinasi ini paling sering digunakan dalam

studi vegetasi, Penerapan komposit 543 dapat memudahkan klasifikasi vegetasi

dan no vegetasi. Kenampakan Red pada citra memvisualisasikan vegetasi.

Untuk tujuan interpretasi tutupan lahan, kombinasi band ini akan mempermudah

untuk mengidentifikasi training area kelas vegetasi.

IV.2 Hasil Komposit 764

Komposit ke dua adalah SWIR-2 (7), SWIR-1 (6), dan red (4). Komposit

ini menampilkan vegetasi dalam bayangan kehijauan. Warna hiaju yang lebih

gelap mengindikasikan vegetasi dengan kerapatan lebih tinggi, sedangkan hijau

lebih muda menunjukkan kerapatan yang lebih rendah. Area urban atau

perkotaan dalam warna biru dan tanah memiliki bayangan coklat. Dalam analisis

tutupan lahan, komposit ini akan memudahkan deliniasi lahan terbangun seperti

permukiman dan lahan terbuka.

IV.3 Hasil Komposit 562

Komposit ke tiga adalah SWIR-1 (6), NIR (5) dan blue (2). Komposit ini

umum digunakan untuk monitoring tanaman pertanian karena adanya

penggunanaan short-wave dan near-infrared. Tanaman sehat tampak hijau

gelap, tanah terbuka berwana magenta. Pada citra diatas tidak menunjukan

tanaman pertanian. Untuk analisis tutupan lahan, komposit ini akan membantu

membedakan area dengan kelas pertanian seperti sawah dan tegalan.

 BAB V. Kesimpulan

V.1 Software R dapat digunakan untuk pengolahan data citra satelit multispektral

dengan baik. Dengan RasterBrick pengelolaan memory yang lebih efesien sehingga

cukup cepat dalam melakukan processing data raster. Pembuatan komposit band

RGB cukup mudah dan cepat sehingga akan mengefisienkan waktu untuk analisis

citra lebih lanjut.

V.2 Distribusi tutupan lahan di Kabupaten Cilacap dapat ditentukan dengan

kombinasi band citra penginderaan jauh Landsat 8 menggunakan software R.

V.3 Pemilihan kombinasi band sangat berpengaruh terhadap analisa visual pada Citra

Satelit Landsat 8.
 Daftar Pustaka

Choi HA, Lee WK, Byun WH. 2012. Determining the effect of green spaces on urban
heat distribution using satellite imagery. Asian Journal of Atmospheric Environment
6(2):127-135.
Febrianti N, Sofan P. 2014. Ruang terbuka hijau di DKI Jakarta berdasarkan analisis
spasial dan spektral data Landsat 8. Seminar Nasional Penginderaan Jauh 2014:
499-504.
Hashimoto H, Natuhara Y, Morimoto Y. 2005. A habitat model for Parusmajor minor
using a logistic regression model for the urban area of Osaka, Japan. Landscape
and Urban Planning 70 (3-4): 245-250.
Iradafmandaya, 2016. Kombinasi Band.
https://sagagisindonesia.wordpress.com/2016/11/10/kombinasi-band/amp/
(diakses 24 Oktober 2021)
Jaya, INS. 2014. Analisis Citra Digital. Bogor: IPB Press.