Plagiarism Checker X - Report

Originality Assessment

Overall Similarity: 23%

Date: Sep 19, 2022
Statistics: 762 words Plagiarized / 3297 Total words
Remarks: Moderate similarity detected, you better improve the document (if needed).

v 8.0.6 - WML 3
FILE - JURNAL HUTAN _TEMPLATE FIX.DOCX
11 Jurnal Geocelebes Vol. X No. X, Oktober 20XX, xxx - xxx

EKSTRAKSI CITRA SATELIT PEREKMAN SENSOR PASIF DAN SENSOR AKTIF

UNTUK PEMETAAN HUTAN DI PROVINSI SUMATERA SELATAN

Rahma Anisa1, Romi Fadly2, Johan Ariyantoni3

1Jurusan Teknik Geodesi dan Geomatika, Fakultas Teknik, Universitas Lampung, Bandar

Lampung 35145 Indonesia

2 Jurusan Teknik Geodesi dan Geomatika, Fakultas Teknik, Universitas Lampung, Bandar

Lampung 35145 Indonesia

3Afiliasi Penulis 3 dilengkapi dengan asal negara.

*Corresponding author. Email: rahma.anisa@eng.unila.ac.id

11 Manuscript received: xx; Received in revised form: xx; Accepted: xx

Abstrak

Hutan adalah ekosistem yang luas banyak ditemukan dibeberapa wilayah Indonesia,

Pemetaan dan pemantauan hutan perlu dilakukan mengetahui sejauh mana persebaran

kawasan hutan, saat ini teknologi penginderaan jauh menjadi solusi untuk mengahasilkan

data kawasan hutan dan non hutan umumnya dilakukan menggunakan pendekatan

penginderaan jauh satelit optik dan satelit radar. Metode yang digunakan untuk pemetaan

hutan menggunakan metode NDVI untuk sensor pasif dan metode klasifikasi wishart untuk

sensor aktif. Hasil dari penelitian ini menunjukan bahwa perbandingan luas citra dengan

metode NDVI mempunyai selisih -38587,526 Ha pada kelas hutan dan 14403,160 Ha

kelas non hutan, sedangkan untuk selisih luasan dari hasil klasifikasi wishart yaitu

-35619,920 Ha 9 kelas hutan, dan 171.142 Ha pada kelas non hutan. Hasil perubahan

luasan dari kedua metode tersebut menunjukan bahwa penggunaan citra hasil klasifikasi

wishart lebih signifikan mendekati nilai luasan lahan dengan Peta Tutupan Lahan dari

BPKH Provinsi Sumatera Selatan dibandingkan metode NDVI.

Kata Kunci: Hutan, NDVI,Klasifikasi Wishart

Abstract

Forests are extensive ecosystems found in many parts of Indonesia. Mapping and
monitoring of forests needs to be done to find out the extent of the distribution of forest

areas, currently remote sensing technology is a solution to produce data on forest and non-

forest areas. Generally, this is done using optical satellite remote sensing and radar

satellite approaches. . The method used for forest mapping uses 1 the NDVI method for

passive sensors and the wishart classification method for active sensors. The results of

this study indicate that the comparison of the area of ​the image with the NDVI method has

a difference of -38587,526 Ha in the forest class and 14403,160 Ha in the non-forest class,

while the difference in area from the wishart classification results is -35619.920 Ha in the

forest class, and 171,142. Ha in the non-forest class. 1 The results of the changes in the

area of ​the two methods show that the use of the wishart classification image is

significantly approaching land area values with Land Cover Maps from BPKH South

Sumatera Province than the NDVI method.

Keywords:Forest,NDVI,WishartClassification

Pendahuluan

Hutan adalah ekosistem yang luas banyak ditemukan dibeberapa wilayah Indonesia,

Hutan menjadi media hubungan timbal balik antara manusia dan makhluk hidup lainnya

dengan faktor-faktor alam yang terdiri dari proses ekologi dan merupakan suatu kesatuan

siklus yang dapat mendukung kehidupan (Reksohadiprojo, 2000).

Hutan memegang peranan penting dalam kehidupan masyarakat. Salah satunya adalah

dapat meningkatkan ekonomi masyarakat. 13 Peranan hutan dalam rangka peningkatan

ekonomi masyarakat direalisasikan dalam bentuk antara lain hutan kemasyarakatan, hutan

rakyat. Pengusahaan Hutan kemasyarakatan mempunyai andil dalam pengetahuan dan

yang paling dibutuhkan oleh masyarakat artinya segala sesuatu yang berkaitan dengan

kemasyarakatan harus melibatkan pemerintah dalam perencanaan agar prosesnya dapat

berjalan secara berkelanjutan. (Dephutbun, 1999). Sedangkan hutan rakyat merupakan

bagian dari pengusahaan hutan untuk proses pemanfataan fungsi lahan misalanya

penanaman tanaman yang barkaitan dengan agro-forestry. 4 Pemetaan dan pemantauan

hutan perlu dilakukan mengetahui sejauh mana persebaran kawasan hutan, saat ini

teknologi penginderaan jauh menjadi solusi untuk mengahasilkan data kawasan hutan dan

non hutan umumnya dilakukan menggunakan pendekatan penginderaan jauh satelit optik

dan satelit radar. Teknologi penginderaan jauh merupakan suatu pengukuran dan

perekaman energi elektromagnetik yang secara otomatis dipancarkan dan dipamtulkan

oleh permukaan bumi.(Mather, 1987).

Disisi lain Lilesand et al (2004) berpendapat bahwa penginderaan jauh suatu ilmu yang

digunakan untuk mendapatkan informasi terkait objek dipermukaan bumi tanpa

bersentuhan langsung dengan objek yang direkam atau feonemena yang dikaji. sumber

energi penginderaan 24 jauh terbagi menjadi 2 yaitu sistem perekaman pasif dan aktif.

Penginderaan jauh dengan perekaman pasif didasarkan pada energi 21 yang berasal dari

objek ada intervensi dari sumber lain yaitu matahari untuk sumber pantulan sedangkan

penginderaan jauh dengan perekaman aktif didasarkan energi yang berasal dari sensor

ada intervensi sumber seperti sensor, pada sistem aktif tidak tergantung pada 1 sinar

matahari dan perekaman data dapat dilakukan tanpa ketergantungan waktu (Avery, 1985).

Pemetaan hutan dan non hutan dapat menggunakan sumber data dari teknologi

penginderaan jauh sistem aktif dan sistem pasif, dengan menggunakan rumus perhitungan

indeks vegetasi dan klasifikasi tutupan lahan menggunakan metode polarimetrik klasifikasi

wishart untuk mengetahui perbedaan antara kelas hutan dan non hutan. Sehingga dapat

mengetahui sejauh mana performa teknologi penginderaan jauh sistem aktif dan pasif

dalam pemetaan hutan. Sebagai salah satu solusi untuk pemantauan berkelanjutan terkait

hutan.

Tinjauan Pustaka

1. Penginderaan Jauh

Peginderaan jauh ialah suatu teknologi untuk menganalisis permukaan bumi dari jarak

jauh, dengan perekaman yang dilakukan di udara ataupun di angkasa dengan memakai

alat (sensor) dan wahana (Yusuf dan Rijal, 2011). Penginderaan jauh berasal dari kata
“remote sensing” yang artinya teknik atau cara 15 untuk mendapatkan informasi,

mengklasifikasi, menginterpretasi, dan menganalisis suatu obyek atau fenomena tanpa

adanya kontak langsung dengan obyek-obyek tersebut, di mana informasi yang diperoleh

berupa radiasi gelombang elektromagnetik yang datang dari suatu obyek yang diterima

oleh sensor (Lillesand and Kiefer, 1990). Sensor dapat berupa kamera atau peralatan lain

radiometer yang ditempatkan pada suatu wahana angkasa, seperti kapal, pelampung,

balon, pesawat udara atau satelit. 5 Secara umum penginderaan jauh menunjukkan

aktivitas perekaman, pengamatan, dan penangkapan fenomena obyek atau peristiwa dari

jarak tertentu. Dalam penginderaan jauh, sensor tidak langsung kontak dengan obyek

yang diamati. Informasi tersebut membutuhkan alat penghantar secara fisik untuk

perjalanan dari obyek ke sensor melalui medium (satelit dan pesawat ruang angkasa).

2. Landsat 8

Landsat 8 merupakan kelanjutan dari misi Landsat yang untuk pertama kali menjadi

satelit pengamat bumi sejak 1972 (Landsat 1). 2 Landsat 1 yang awalnya bernama Earth

Resources Technology Satellite 1 diluncurkan 23 Juli 1972 dan mulai beroperasi sampai 6

Januari 1978. Generasi penerusnya, Landsat 2 diluncurkan 22 Januari 1975 yang

beroperasi sampai 22 Januari 1981. Landsat 3 diluncurkan 5 Maret 1978 berakhir 31 Maret

1983; Landsat 4 diluncurkan 16 Juli 1982, dihentikan 1993. 8 Landsat 5 diluncurkan 1

Maret 1984 masih berfungsi sampai dengan saat ini namun mengalami gangguan berat

sejak November 2011, akibat gangguan ini, pada tanggal 26 Desember 2012, USGS

mengumumkan bahwa Landsat 5 akan dinonaktifkan. 2 Berbeda dengan 5 generasi

pendahulunya, Landsat 6 yang telah diluncurkan 5 Oktober 1993 gagal mencapai orbit.

Sementara Landsat 7 yang diluncurkan April 15 Desember 1999, masih berfungsi walau

mengalami kerusakan sejak Mei 2003 (Campbell, 2013).

3. Citra Sentinel 1

Pada dasarnya citra merupakan suatu gambaran objek 5 dari permukaan bumi sebagai

bentuk hasil rekaman dari sensor seperti optik sampai elektromagnetik. Proses interpretasi

citra diperlukan dalam pemanfaatan karena hasil interpretasi itu dapat digunakan untuk

proses 1 analisis lebih lanjut pada masalah tertentu. Bentuk representasi objek

permukaan bumi bertujuan untuk melakukan perekaman energi elektromagnetik 12

dengan bermacam-macam jenis panjang gelombang dipasang pada wahana satelit ruang

angkasa merupakan definisi citra satelit (Iskandar dkk., 2016). Satelit Sentinel 1 bekerja

pada frekuensi C-Band pada panjang gelombang 5.4 cm, Right Sight yang memiliki

kemampuan polarisasi tunggal dan polarisasi ganda dan juga memiliki empat mode

observasi yaitu: Wave Mode: resolusi 5 meter, area cakupan 20 6 x 20 km, Extra Width

Swath: resolusi 20 meter, area cakupan 400 x 400 km, Interferometric Wide Swath:

resolusi 20 meter, area cakupan 250 x 250 km. Sentinel-1 merupakan misi pencitraan

radar menyediakan kontinyu semua cuaca. Sentinel-1 mendistribusi keandalan yang tinggi,

meningkatkan waktu kunjungan ulang, 19 cakupan geografis dan penyebaran data yang

cepat untuk memberikan aplikasi operasional dalam bidang prioritas pemantauan laut,

pemantauan tanah dan layanan darurat. Citra Sentinel-1A digunakan 29 pada penelitian

ini dengan menggunakan akuisisi mode IW produk GRD.

4. Hutan

Hutan merupakan suatu kumpulan yang berisi lahan yang didominasi kumpulan dalam

persekutuan alam lingkungannya, yang satu dengan yang lainnya tidak dapat dipisahkan

(UU 41/1999). Definisi 14 lain Hutan merupakan suatu wilayah yang luasnya minimal 0,5

ha dan ditumbuhi oleh pepohonan dengan persentasi penutupan tajuk minimal 10% (FAO,
2000 di dalam Pungky Widiaryanto, 2020). Menurut Permenhut, (88/2003) 25 Hutan

adalah suatu kumpulan bidang-bidang lahan yang ditumbuhi vegetasi. 16 Hutan rakyat

adalah hutan yang dibuat oleh rakyat dan dijaga serta dikelola oleh rakyat dengan luas

wilayah atau lahan paling sedikit 0,25 ha, tutupan vegetasi tanaman kayu dan tutupan

vegetasi tanaman lainnya lebih dari 50%.

5. NDVI

Metode transformasi 1 Normalized Difference Vegetation Index Normalized (NDVI) dapat

memberikan hasil terkait tinggi rendahnya kerapatan vegetasi disuatu daerah. 18

Kerapatan vegetasi adalah satu aspek yang mempengaruhi karakteristik vegetasi dalam

citra. 1 Normalized Difference Vegetation Index Normalized (NDVI) merupakan

transformasi pengukuran optis dalam mengetahui tingkat kehijauan suatu vegetasi

termasuk kanopi, luas daun, struktur dan tutupan vegetasi (Huete,2011).Normalized

Difference Vegetation Index (NDVI) merupakan indeks rasio yang paling umum digunakan

untuk vegetasi. Prinsip perhitungan NDVI didasarkan pada tanaman hijau karena tanaman

hijau dalam menyerap radiasi di daerah spectrum cahaya tampak sangat efektif. tanaman

hijau memantulkan radiasi inframerah dekat NDVI dapat dihitung untuk setiap citra yang

memiliki band merah dan band inframerah dekat.Hasil hasil kombinasi antara band merah

dan infa-merah menghasilkan perbedaan yang maksimum antara vegetasi dan tanah. 22

Nilai NDVI mempunyai rentang antara -1 (minus) hingga 1 (positif). Rentang nilai antara -1

hingga +1 hasil dari transformasi NDVI ini mempunyai presentasi yang berbeda pada

penggunaan lahannya. 12 Semakin besar nilai NDVI maka kerapatannya semakin tinggi,

dan sebaliknya semakin rendah nilainya maka diasumsikan bahwa areal tersebut

merupakan tubuh air. 10 Konsep pola spektral didasarkan oleh prinsip ini menggunakan

hanya citra band merah adalah sebagai berikut :

NDVI = ................................(1)
Dimana :

NIR = radiasi inframerah dekat dari piksel.

Red = radiasi cahaya merah dari piksel

6. Klasifikasi Wishart

Klasifikasi polarimetrik adalah suatu bagian proses klasifikasi objek dibumi 24 yang

didasarkan pada suatu karakteristik sifat fisik objek atau mekanisme hamburan. 4

Pemahaman tentang suatu aplikasi berawal dari adanya klasifikasi supervised dan

klasifikasi unsupervised kemudian dikembangkan lebih lanjut menjadi klasifikasi wishart.

Klasifikasi Wishart tak terbimbing ini nantinya akan dihasilkan berdasarkan dari nilai

parameter entropy (H) dan Alpha Angle (α).

7. Uji Klasifikasi

Uji ketelitian 27 klasifikasi merupakan salah satu teknik yang digunakan untuk melakukan

pengujian terhadap data hasil pengolahan klasifikasi tutupan vegetasi dengan

menggunakan beberapa tes sampel data dari masing-masing kelas yang menjadi sasaran

klasifikasi. Ada beberapa teknik yang 28 dapat digunakan untuk melakukan pengujian

antara lain digitasi, survei lapangan atau berdasarkan interpretasi citra satelit yang

mempunyai resolusi tinggi sehingga visualisasinya terlihat jelas.

Metode Penelitian

Adapun 1 alat dan bahan yang digunakan pada penelitian ini untuk perangkat keras

(hardware) yaitu laptop Asus Core i7, Perangkat lunak (software) yaitu Envi 5.3, ArcGis 9.3

dan SNAP 6.0, serta GPS handheld.

1. Pengumpulan Data
Adapun sumber data yang digunakan dalam kegiatan penelitian ini yaitu berupa Data

spasial batas administrasi provinsi Sumatera Selatan yang diperoleh dari inageoportal,

citra landsat 8 tahun 2015 dari https://earthexplorer.usgs.gov/ dan citra sentinel 1A

Polarisasi VV-VH tahun 2015 di https://scihub.copernicus.eu/ , Peta Tutupan Lahan 4

Provinsi Sumatera Selatan Tahun 2015 dari BPKH Provinsi Sumatera Selatan.

2. Pengolahan Data

a. Proses Koreksi Radiometrik dan proses pemotongan citra menyesuaikan dengan

administrasi lokasi penelitian.

b. Proses klasifikasi pada 1 citra landsat 8 dan sentinel 1A menggunakan metode yang

berbeda dimana untuk citra landsat 8 menggunakan metode NDVI dimana band merah

dan band NIR (Near-Infrared Radiation) yang digunakan untuk deteksi kehijauan (vegetasi)

sedangkan pada 4 citra sentinel 1A menggunakan metode klasifikasi wishart. Untuk

klasifikasi Wishart yang tidak terbimbing (unsupervised Classification),parameter berikut

yang digunakan :

a) Classification : metode klasifikasi, dipilih klasifikasi H Alpha Wishart Dual Pol untuk

menghasilkan hasil klasifikasi tak terbimbing dengan 4 citra Sentinel 1A.

b) Window Size: dimensi jendela geser untuk menghitung kovariansi rata-rata atau matriks

koherensi.

c) Max Iteration: jumlah iterasi maksimum.

3. Uji Klasifikasi

Pengujian terhadap data hasil pengolahan klasifikasi tutupan vegetasi dengan

menggunakan beberapa tes sampel data dari masing-masing kelas yang menjadi sasaran

klasifikasi dengan akurasi ≥ 85%.

1 Hasil dan Pembahasan

1. Hasil Klasifikasi NDVI

Hasil pengolahan citra dengan metode NDVI yang dilakukan menggunakan citra

landsat 8 OLI/TIRS Tahun 2015. Citra tersebut dilakukan proses 7 klasifikasi hutan dan

non hutan, serta didapatkan hasil 5 kelas berdasarkan rentang nilai NDVI. Untuk kelas 1

nilai yang diperoleh sebesar -0,19 – 0,09 merupakan permukiman, kelas 2 sebesar

0,09-0,18 merupakan lahan terbuka, kelas 3 sebesar 0,18 – 0,27 merupakan lahan

perkebunan, kelas 4 merupakan hutan sekunder dengan nilai sebesar 0,27 – 0,36 dan

kelas 5 14 yaitu hutan primer dengan nilai 0,36 – 0,59 nilai yang besar mengindikasikan

vegetasi yang lebat. masing-masing kelas menunjukan hasil yang berbeda lalu

dibandingkan hasil luasannya dengan peta tutupan lahan dari BPKH Provinsi Sumatera

Selatan.

Gambar 1. Hasil pengolahan klasifikasi NDVI

Gambar 2. Peta Tutupan Lahan Tahun 2015

2. Hasil Klasifikasi Wishart

Hasil dari pengolahan dengan metode klasifikasi wishart yaitu diperoleh beberapa kelas

yaitu 9 zona yang mana klasifikasi ini dilakukan dengan mengulang pixel berdasarkan

jarak parameter entrophy dan alpha angle. Berikut hasil klasifikasi wishart untuk kawasan

hutan seperti 6 pada gambar 3.

Adapun kategori pembagian zona yang dihasilkan dari klasifikasi unsupervised wishart
classification sebagai berikut:

a. Zona 1 nilai H sebesar 0,9 – 1 dan nilai Alpha Angle sebesar 55-90 dikategorikan

masuk ke dalam Entropy tinggi multiple scattering didefinisikan sebagai hutan lebat.

b. Zona 2 H sebesar 0,9-1 dan nilai Alpha Angle sebesar 40-45 dikategorikan sebagai

Entropy tinggi vegetation scattering terdapat hamburan acak yang beragam didefinisikan

kanopi hutan/wilayah hutan.

c. Zona 3 nilai H sebesar 0,9 – 1 dan nilai Alpha Angle sebesar 0 – 45 tergolong Entropy

tinggi Surface scattering. Zona ini dikategorikan sebagai zona yang memiliki tingkat

kesulitan untuk identifikasi scatternya pada zona ini merupakan zona yang tidak terdefinisi.

d. Zona 4 nilai H sebesar 0,5 – 0,9 dan nilai alpha angle sebesar 50 – 90 dikategorikan

Entropy menengah multiple scattering. 23 Pada zona ini terdapat hamburan acak

menengah tidak tinggi dan tidak juga rendah dan memiliki mekanisme dihedral scattering

didefinisikan sebagai permukiman/ lahan terbangun/lahan terbuka.

e. Zona 5 H sebesar 0,5 – 0,9 dan nilai alpha angle sebesar 40-50 mekanisme hamburan

pada zona ini bersifat dipole scaterring dikategorikan sebagai Entropy menengah volume

scattering. Zona ini diidentifikasikan sebagai zona vegetasi rendah yang sangat rapat dan

didefinisikan sebagai kawasan perkebunan yang rapat.

f. Zona 6 nilai H 0,5 – 0,9 dan nilai alpha angle sebesar 0-40 terdapat mekanisme surface

scattering. Zona ini di identifikasikan sebagai zona vegetasi rendah namun tidak culup

rapat dan 6 dalam penelitian ini didefinisikan sebagai kawasan perkebunan jarang.

g. Zona 7 nilai H sebesar 0-0,5 dan nilai alpha angle sebesar 47,5-90 dikategorikan

sebagai Entropy rendah multiple scattering, zona ini diidentifikasi sebagai vegetasi rendah

dalam penelitian ini didefinisikan sebagai kawasan perkebunan sedang.

h. Zona 8 nilai H sebesar 0-0,5 dan nilai alpha angle 42.5 – 47.5 dikategorikan sebagai

entropy rendah volume scattering yang menunjukan terjadinya hamburan dari vegetasi

yang kuat dan rendah saling berkolaborasi, 23 pada zona ini didefiniskan sebagai sawah .

i. Zona 9 nilai H sebesar 0-0,5 dan nilai alpha angle 0 – 42,5. Dikategorikan sebagai

entropy rendah surface scattering. Sehingga, dapat diidentifikasi zona ini

menunjukan daerah seperti lahan terbuka air dan sejenisnya.

Gambar 3. Hasil Pengolahan Klasifikasi Wishart

3. Hasil Perbandingan Luas

7 Hasil klasifikasi hutan dan non hutan dari kedua citra satelit yaitu citra Landsat 8

OLI/TIRS dan citra sentinel 1A, selanjutnya akan dibandingkan luasannya dari kedua hasil

klasifikasi citra tersebut dengan data peta tutupan lahan dari BPKH Provinsi Sumatera

Selatan. Berikut adalah tabel perbandingan luas dari kedua citra:

Tabel 1. Perbandingan hasil luasan dari klasifikasi 1 citra satelit Landsat 8 dan citra

sentinel

No

Kelas

Luas Klasifikasi NDVI 2015 (Ha)

Luas Klasifikasi Wishart 2015 (Ha)

Peta Tutupan Lahan Tahun 2015 (Ha)

Hutan

455.147,488

493.906,156

493.735,014

Non- Hutan

4.054.581,177

4.004.558,097

4.040.178,017

Jumlah Total

4.509.728,665

4.498.464,253

4.533.913,031

Dari hasil tabel diatas diketahui perbandingan dari luas hasil klasifikasi citra landsat 8

OLI/TIRS dengan menggunakan metode NDVI diperoleh luas hutan sebesar 455.147,488

Ha danluas non hutan sebesar 4.054.581,177 Ha , kemudian luas hasil 7

klasifikasi dari citra sentinel 1A metode polarimetrik untuk luas hutan sebesar 493.906,156

Ha, dan non hutan sebesar 4.004.558,097 Ha. dari kedua hasil luasan diatas jika
dibandingkan dengan luas hutan dan non hutan pada peta tutupan lahan , untuk hasil

klasifikasi citra dari citra landsat 8 OLI/TIRS metode NDVI terdapat selisih yang cukup

signifikan hutan dan non-hutan sebesar 24184,366 Ha dibandingkan dengan peta tutupan

lahan dari BPKH Provinsi Sumatera Selatan dikarenakan beberapa faktor yang

menyebabkan luasannya mempunyai selisih yang besar yaitu adanya tutupan awan di

beberapa bagian 1 citra satelit landsat 8 OLI/TIRS. Pada hasil luasan citra sentinel 1A

metode polarietrik terdapat perbedaan luas 7 hutan dan non hutan dengan peta tutupan

lahan yaitu untuk kelas hutan sebesar 35448,778 Ha. hal ini dikarenakan kesalahan pada

saat klasifikasi wishart 4 citra sentinel 1A metode polarimetrik karena klasifikasi

dilakukan menggunakan training sample beberapa kelas yaitu 9 kelas, kesalahan terjadi

pada saat pengelompokan kelas oleh perangkat lunak yaitu nilai piksel yang digunakan

tidak merepresentasikan keadaan yang sebenarnya.

Kesimpulan

1. Kesimpulan

Kesimpulan dari penelitian ini bahwa hasil luasan kelas hutan dari klasifikasi 1 citra

satelit Landsat 8 OLI/TIRS sebesar 455.147,488 Ha dan non-hutan 4.054.581,177

Ha dan hasil luasan dari klasifikasi citra sentinel 1A untuk kelas hutan sebesar

493.906,156 Ha dan non-hutan sebesar 4.004.558,097 Ha dan untuk luasan dari peta

tutupan lahan yang diperoleh dari BPKH Provinsi Sumatera Selatan diperoleh hasil

sebesar 21 pada kelas hutan 493.735,014 Ha dan 4.040.178,017 Ha kelas non hutan.

Hasil perbandingan luas dari 9 citra Landsat 8 OLI/TIRS dengan metode NDVI

mempunyai selisih -38587,526 Ha pada kelas hutan dan 14403,160 Ha kelas non hutan,

sedangkan untuk selisih luasan dari hasil klasifikasi citra sentinel 1A yaitu 171.142 Ha

pada kelas non hutan, dan -35619,920 Ha kelas non hutan. Hasil perubahan luasan dari

kedua citra tersebut menunjukan hasilnya lebih signifikan mendekati dengan peta tutupan
lahan dari BPKH yaitu hasil citra klasifikasi wishart sentinel 1A.

2. Saran

Sebaiknya 1 data yang digunakan untuk pemetaan hutan menggunakan citra yang

beresolusi tinggi dan tidak adanya tutupan awan sehingga proses klasifikasi citra tidak

terganggu, serta menggunakan metode klasifikasi terbimbing yang lebih baik.

Daftar Pustaka

Avery, T., Berlin, G., 1985. 26 Fundamentals of Remote Sensing and Air – photo

Interpretation. Prentice – Hall, Inc.

Avery, T.E. 1985. Interpretation of Aerial Photographs. Graydon Lennis Berlin, Germany

Campbell, J.B. 2013. Landsat 8 Set to Extend Long Run of Observing Earth. Diakses pada

tanggal 24 Februari 2018, dari http://www.usgs.gov/

FAO. 1996. Survey of Tropical Forest Cover and Study of Change Procesess. 17

Technical report of a major global cooperative effort coordinated by the forest

resources Assesment 1990 Project.

Huete, A., Didan, K., Leeuwen, W., Miura, T. & Glenn, E. 2011. MODIS Vegetation Indices

Land Remote Sensing and Global Environmental Change. In: Ramachandran, B., Justice,

C. O.

Iskandar, F., Awaluddin, M., & Yuwono, B. 2016. 20 Analisis Kesesuaian Penggunaan

Lahan Terhadap Rencana Tata Ruang/ wilayah Di KecamatanKutoarjo Menggunakan

Sistem Informasi Geografis. Jurnal Geodesi Undip, 5(1), 1–7

Lillesand dan Kiefer. 1990. 6 Penginderaan Jauh dan Interpretasi Citra. Yogyakarta:

Gadjah Mada University Press

Lillesand, T.M., Kiefer, R.W. and Chipman, J.W. 2004. Remote Sensing and Image

Interpretation. 5th Edition, John Wiley, New York

Mather, P.M. 1987. Computer Processing of Remotely Sensed Images:

AnIntroduction. John Wiley & Sons, New York: 111 hal

Reksohadiprojo, 2000. Kajian Identifikasi Potensi dan Permaslahan hutan

Kemasyarakatan Di Desa Soakonora Kabupaten Halmahera Barat Propinsi Maluku Utara.

Dalam Skripsi RidwanDin, Universitas Nuku.

14 Undang-undang Nomor 41 Tahun 1999 tentang Kehutanan. Dephutbun RI. Jakarta.

Peraturan Menteri Kehutanan No.88 Tahun 2003 Tentang Hutan Kemasyarakatan.

Yusuf, Daud., Rijal, Ahmad Syamsu., 2011. Penginderaan Jauh. Buku Ajar Program Studi

Pendidikan Geografi. Gorontalo.119 hal.

Widiaryanto, Pungki. 2020. Rasionalitas Kebijakan Konsepsi Hutan dan Penghapusan

Batas Minimal Kawasan Hutan 30 Persen. Gema Publica; Jurnal Manajemen dan

Kebijakan. Vol. 5. No.2.

3 ISSN: 2579-5821 (Print)

ISSN: 2579-5546 (Online)

URL address: http://journal.unhas.ac.id/index.php/geocelebes

DOI: 10.20956/geocelebes.vxix.xxxx

© 20xx Dept. of Geophysics Hasanuddin University

ISSN: 2579-5821 (Print)

ISSN: 2579-5546 (Online)

URL address: http://journal.unhas.ac.id/index.php/geocelebes

DOI: 10.20956/geocelebes.vxix.xxxx

© 20xx Dept. of Geophysics Hasanuddin University

ISSN: 2579-5821 (Print)

ISSN: 2579-5546 (Online)

URL address: http://journal.unhas.ac.id/index.php/geocelebes

DOI: 10.20956/geocelebes.vxix.xxxx
© 20xx Dept. of Geophysics Hasanuddin University

ISSN: 2579-5821 (Print)

ISSN: 2579-5546 (Online)

URL address: http://journal.unhas.ac.id/index.php/geocelebes

DOI: 10.20956/geocelebes.vxix.xxxx

© 20xx Dept. of Geophysics Hasanuddin University

ISSN: 2579-5821 (Print)

ISSN: 2579-5546 (Online)

URL address: http://journal.unhas.ac.id/index.php/geocelebes

DOI: 10.20956/geocelebes.vxix.xxxx

© 20xx Dept. of Geophysics Hasanuddin University

ISSN: 2579-5821 (Print)

ISSN: 2579-5546 (Online)

URL address: http://journal.unhas.ac.id/index.php/geocelebes

DOI: 10.20956/geocelebes.vxix.xxxx

© 20xx Dept. of Geophysics Hasanuddin University

3
Sources
https://www.researchgate.net/publication/359505295_Pemanfaatan_Citra_Landsat_Menggunakan_Teknik_NDVI_
1 untuk_Analisis_Kerapatan_Vegetasi_di_Kota_Kediri_Jawa_Timur
INTERNET
4%
http://www.guntara.com/2016/10/sejarah-satelit-penginderaan-jauh.html
2 INTERNET
2%
http://repository.lppm.unila.ac.id/22373/1/ArnasHardianto_AnnisaYuliaElvarani_PegitaUrmalaDewi_Penentuan
3 Posisi Hiposenter Gempa Padang Tahun 2009_Jurnal Geocelebes - Arnas Hardianto.pdf
INTERNET
2%
http://download.garuda.kemdikbud.go.id/article.php?article=1036140&val=12729&title=EKSTRAKSI CITRA
4 SENTINEL 1A DENGAN METODE POLARIMETRIK UNTUK PEMETAAN HUTAN DI PROVINSI SUMATERA SELATAN
INTERNET
2%
https://petadigital.blogspot.com/2011/06/penginderaan-jauh-satelit.html
5 INTERNET
1%
https://www.researchgate.net/publication/351311560_DETEKSI_PERUBAHAN_GARIS_PANTAI_MENGGUNAKAN_
6 CITRA_SATELIT_SENTINEL-1_Studi_Kasus_Pesisir_Kabupaten_Lampung_Selatan
INTERNET
1%
http://etd.repository.ugm.ac.id/penelitian/detail/100186
7 INTERNET
1%
https://www.academia.edu/5683069/Analisa_Tutupan_Lahan_menggunakan_Klasifikasi_Supervised_dan_Unsuper
8 vised
INTERNET
1%
https://core.ac.uk/download/pdf/198110905.pdf
9 INTERNET
1%
http://eprints.itenas.ac.id/1383/5/05 Bab 2 232018074.pdf
10 INTERNET
1%
http://repository.lppm.unila.ac.id/32100/1/Jurnal_UNHAS_Geocelebes.pdf
11 INTERNET
1%
https://text-id.123dok.com/document/myjo9gnmz-uji-akurasi-hasil-klasifikasi-pembuatan-peta-ndvi-
12 normalized-difference-vegetation-index.html
INTERNET
1%
https://blog.unnes.ac.id/masriki/2015/11/09/penebangan-liar-dan-akibatnya-serta-dampak-terhadap-
perubahan-perilaku-masyarakat/#:~:text=Peranan hutan dalam rangka peningkatan ekonomi masyarakat
13 direalisasikan,dengan fungsinya dan menitik beratkan kepentingan mensejahterakan masyarakat.
INTERNET
1%
 https://rimbakita.com/hutan/
14 INTERNET
1%
https://artikelsiana.com/Pengertian-penginderaan-jauh-komponen-jenis-fungsi-manfaatnya/
15 INTERNET
<1%
https://haloedukasi.com/hutan-rakyat
16 INTERNET
<1%
https://www.fao.org/3/w0015e/W0015E00.htm
17 INTERNET
<1%
https://text-id.123dok.com/document/8ydjmo8ly-interpretasi-citra-penginderaan-jauh-kerapatan-vegetasi.html
18 INTERNET
<1%
http://eprints.itenas.ac.id/1380/5/05 Bab 2 232016056.pdf
19 INTERNET
<1%
http://download.garuda.kemdikbud.go.id/article.php?article=1414086&val=4685&title=ANALISIS KESESUAIAN
PENGGUNAAN LAHAN TERHADAP RENCANA TATA RUANGWILAYAH DI KECAMATAN KUTOARJO
20 MENGGUNAKAN SISTEM INFORMASI GEOGRAFIS
INTERNET
<1%
https://text-id.123dok.com/document/oz1g5m7vz-kelas-perusahaan-klasifikasi-kelas-hutan.html
21 INTERNET
<1%
http://e-journals.unmul.ac.id/index.php/UJHT/article/download/1363/KLASIFIKASI PENUTUPAN LAHAN PADA
22 CITRA SATELIT SENTINEL-2A DENGAN METODE TREE ALGORITHM
INTERNET
<1%
https://www.gvpangandaran.com/laut/pertanyaan-laut-yang-kedalamannya-kurang-dari-200-meter-disebut-
23 zona.html
INTERNET
<1%
https://geo-media.blogspot.com/2013/12/penginderaan-jauh.html
24 INTERNET
<1%
https://ejournal.forda-mof.org/ejournal-litbang/index.php/JAKK/article/view/295/282
25 INTERNET
<1%
https://books.google.com/books/about/Fundamentals_of_Remote_Sensing_and_Airph.html?id=5WYZAQAAIAAJ
26 INTERNET
<1%
http://download.garuda.kemdikbud.go.id/article.php?article=777616&val=12729&title=UJI KETELITIAN
27 KLASIFIKASI BERBASIS OBJEK PADA CITRA QUICKBIRD
INTERNET
<1%
 https://toptenid.com/bagaimana-interaksi-antara-tenaga-dan-objek-di-permukaan-bumi-dalam-komponen-
28 sistem-pengindraan-jauh
INTERNET
<1%
http://download.garuda.kemdikbud.go.id/article.php?article=1414213&val=4685&title=ANALISIS KOMBINASI
CITRA SENTINEL-1A DAN CITRA SENTINEL-2A UNTUK KLASIFIKASI TUTUPAN LAHAN STUDI KASUS
29 KABUPATEN DEMAK JAWA TENGAH
INTERNET
<1%