1. Tinjauan teoritis
1.1 Tutupan Lahan
Tutupan Lahan atau land cover (LC) dapat dipahami sebagai kenampakan objek
biofisik-alamiah yang dapat diamati dipermukaan bumi (Di Gregorio & Jansen, 2000).
Didalam penggunaan sehari-hari, LC suka tertukar dengan land use (LU). Karena
keduanya mempunyai fokus area yang berbeda. LU atau penggunaan lahan dapat
dipahami sebagai bentuk pemanfaatan suatu jenis tutupan lahan tertentu oleh manusia
atau masyarakat sekitarnya untuk mendapatkan manfaat tertentu (Ryan Coffey, 2013).
Coulston et al., 2014 memberikan contoh yang jelas untuk membedakan keduanya
(Gambar 1).
Gambar 1 hutan sebagai tutupan dan penggunaan lahan beserta factor yang berpengaruh untuk perubahannya
Hutan sebagai sebuah tutupan lahan sebetulnya terbentuk secara alamiah, dengan
proses alam juga yang membuat luas area hutan dapat berkurang. Kejadian bencana
alam (kebakaran hutan, angin topan, dan letusan gunung berapi) dapat menjadi contoh
penyebabnya (Gambar 1). Perubahan serupa dapat terjadi karena pengaruh dari
manusia. Seperti penebangan liar, reboisasi, penggembalaan hewan dan juga sarana
1
Tutorial Series_Inderaja_Teknik Geodesi UNILA
publik seperti area rekreasi berperan dengan tren yang beragam (S. Hasan et al., 2019).
Kontribusi yang diberikan oleh adanya rekreasi, edukasi dan energi akan memberikan
dampak yang beda pada perubahan luas hutan (Gambar 2).
Gambar 2 kontribusi beragam jenis penggunaan lahan yang berpengaruh pada perubahan tutupan lahan hutan
Sumber: (Brown, 2013)
Gambar 3 Kondisi tutupan lahan daerah aliran sungai Way Sekampung bagian tengah
pada citra komposit RGB warna semu Landsat 8 (R= SWIR, G= NIR, B= Red).
2
Tutorial Series_Inderaja_Teknik Geodesi UNILA
Way Sekampung merupakan salah satu DAS besar di Provinsi Lampung dengan luas
mencapai ± 4841.918 hektar (Muslihah, 2019) dengan wilayah aliran meliputi lima kota-
kabupaten, diantaranya Kota Bandar Lampung, Lampung Selatan, Pesawaran,
Tanggamus, Lampung Timur, dan Pringsewu. Area yang digunakan pada tutorial ini
mengambil satu bagian DAS di wilayah tengah seluas ± 157 kilometer persegi (Gambar
3).
( ) ( ) (Pers. 1)
3
Tutorial Series_Inderaja_Teknik Geodesi UNILA
( )
( )
(Pers. 2)
( )
(Pers. 3)
( )
( ) ( )
( ) (
(Pers. 4)
)
√( ) ( ) (Pers. 5)
(Pers. 6)
Sebagai sebuah contoh, dua buah NDVI di dua tahun berbeda, yaitu 2000 dan 2020
dipakai untuk melihat perbedaan yang terjadi pada wilayah DAS bagian tengah Way
Sekampung. Pada SAGA GIS tools CVA menggunakan formula yang sedikit dimodifikasi
(Gambar 4). Dimana dan tidak meggunakan dua variabel berbeda, melainkan
hanya menggunakan variabel tunggal yaitu NDVI (Persamaan 7. Perlu diingat bahwa,
NDVI masih bisa diganti dengan parameter lain seperti BI, LST, dan lain-lain. Istilah
serupa dengan jarak atau distance dan sama dengan arah ataU direction.
4
Tutorial Series_Inderaja_Teknik Geodesi UNILA
√( ) (Pers. 7)
Pada area DAS Way Sekampung bagian tengah ini, pada rentang tahun 2000-2010
sudah terjadi perubahan. Dengan hanya melihat distribusi dan luas area bernilai 1, tidak
lebih dari 20% area DAS Way Sekampung bagian tengah sudah mengalami perubahan
tutupan lahan. Dari kondisi ini dapat dikaitkan bahwa dengan adanya prosentase
perubahan sebesar 20%, kondisi DAS Way Sekampung bagian tengah dapat
dikategorikan baik dengan prosentase area bervegetasi 0.76 (Triyono et al., 2020).
5
Tutorial Series_Inderaja_Teknik Geodesi UNILA
(greenness index), tapi juga pada informasi yang tidak terlihat langsung, yaitu
kelembaban atau jumlah air dalam tanah (wetness index) (Minu & Shetty, 2015).
Informasi ketiganya diperoleh dari penjumlahan bobot semua band multi-spectral dari
citra satelit. Berikut koefisien TCT yang digunakan untuk menentukan ketiga nilai
indeks TCT pada citra satelit Landsat (Tabel 3).
b. Alur analisis
Pemanfaatan data hasil transformasi TCT dapat dilakukan dengan dua cara, yaitu
menerapkan metode threshold (1) dan menggunakan CVA (2). Untuk metode CVA telah
dijelaskan pada bagian 1.4.2 (Dewi et al., 2017), sementara adalah selisih
antara hasil transformasi greenness index, adalah hasil transformasi
greenness, wetness dan brightness index dari citra Landsat 8 tahun 2020, dan
untuk index yang sama dari citra Landsat 7 tahun 2000. Berikut detail
dari metode threshold:
6
Tutorial Series_Inderaja_Teknik Geodesi UNILA
Gambar 6 hasil TCT (dari kiri atas searah jarum jam: komposit RGB dari R=G (Greeness), G=W (Wetness), dan B=B
(brightness), brightness index, Greeness index, dan Wetness index.
7
Tutorial Series_Inderaja_Teknik Geodesi UNILA
dan lahan kosong (Gambar 7), meski keduanya dilakukan secara visual dengan
memperhatikan citra komposit Landsat.
Gambar 7 hasil threshold dari difference wetness (kanan) dan greenness index (kiri)
8
Tutorial Series_Inderaja_Teknik Geodesi UNILA
2. Praktik
2.1 Change detection menggunakan data reklasifikasi NDVI
2.1.1 Menghitung NDVI
a. Buka dan jalankan QGIS 3.18 (bisa menggunakan seri lebih rendah). Masukkan data
citra satelit Landsat 7 dan 8 yang sudah di clip sesuai dengan luas area yang
dikehendaki (Gambar 3).
pada Raster Calculator Expression, simpan hasilnya pada Output Layer, kemudian
Ok.
c. Pastikan hasil dari tahap “b” berada pada rentang -1 sampai 1, atur warna symbol
dengan nilai terendah (air) berwarna biru dan tertinggi (vegetasi) berwarna hijau
(Gambar 9).
d. Ulangi tahap a-c untuk data Landsat lainnya.
9
Tutorial Series_Inderaja_Teknik Geodesi UNILA
(Gambar 10a). Pada kolom “replace with” merupakan kelas baru yang dibuat dan
diharapkan ada pada data raster yang baru (Gambar 10b).
10
Tutorial Series_Inderaja_Teknik Geodesi UNILA
Hasil deteksi menunjukkan bahwa di wilayah DAS bagian tengah Way Sekampung
terjadi perubahan yang lebih merata pada komposisi tutupan lahannya.
Direpresentasikan berdasarkan nilai reklasifikasi NDVI, perubahan nilainya terjadi dari
“tanpa perubahan atau tetap menjadi 24 kali perubahan, dan semuanya relatif terjadi
pada area bervegetasi (Gambar 11).
Hasil ini diperoleh dari menu “land cover change” pada plugin semi-automatic
classification (SCP) ini mirip dengan algoritma image differencing (ID) pada persamaan
1. Selain hasil dapat dilihat secara visual, dapat juga diperoleh hasil dalam bentuk tabel
yang memuat jumlah piksel yang telah dikonversi kedalam satuan luas (meter persegi)
dan akurasi dari hasil deteksinya (overall accuracy) seperti pada Tabel 4. Tabel tersebut
dapat dibaca sebagai berikut “Jumlah piksel yang diklasifikasi sebagai air pada tahun
2020 adalah 7200 m2, sementara yang terklasifikasi menjadi objek lain berjumlah 11700
m2.
2.2 Change detection menggunakan data tutupan lahan hasil klasifikasi random forest
a. Peta tutupan lahan 2020 dan 2000
Diklasifikasikan dengan mengunakan algoritma random forest, dua data Landsat 7
dan 8 dikelompokkan ke dalam tiga kelas yang sama, yaitu tanah kosong (pemukiman),
air, dan vegetasi. Terlihat perbedaan secara visual, meski terlihat luas pemukiman di
tahun 2000 lebih luas dikarenakan adanya awan yang tidak diklasifikasikan sebagai
kelas pemukiman, sementara objek sungai relatif bisa dibedakan dengan baik dikedua
citranya.
11
Tutorial Series_Inderaja_Teknik Geodesi UNILA
3. Kesimpulan
Dari tutorial terkait deteksi adanya perubahan berdasarkan data multi-temporal
Landsat 7 dan 8 yang diolah menjadi NDVI, TCT, dan tutupan lahan dapat ditarik
simpulan bahwa data tunggal NDVI yang telah diklasifikasikan kedalam sejumlah kelas
tidak terlalu baik untuk digunakan sebagai input data dalam proses change detection
berdasarkan capaian dari nilai overall akurasinya yang rendah, meskipun data tersebut
mampu digunakan sebagai input bagi banyak algoritma change detection. Input data
yang banyak seperti yang dimiliki oleh TCT, perlu dipertimbangkan untuk
meningkatkan capaian akuarasinya. Hal tersebut didasari dari adanya perbedaan yang
signifikan antara hasil CVA berdasarkan data NDVI dan TCT, dimana change direction
menunjukkan hasil yang lebih baik. Sementara itu, data tutupan lahan dengan random
forest menjadi yang terbaik dalam memberikan akurasi, dibandingkan dengan NDVI.
12
Tutorial Series_Inderaja_Teknik Geodesi UNILA
4. Referensi
Baig, M. H. A., Zhang, L., Shuai, T., & Tong, Q. (2014). Derivation of a tasselled cap
transformation based on Landsat 8 at-satellite reflectance. Remote Sensing Letters,
5, 423–431.
Brown, G. (2013). Relationships between spatial and non-spatial preferences and place-
based values in national forests. Applied Geography, 44, 1–11.
https://doi.org/10.1016/j.apgeog.2013.07.008
Chavez, P. S. (1988). An improved dark-object subtraction technique for atmospheric
scattering correction of multispectral data. Remote Sensing of Environment, 24(3),
459–479. https://doi.org/10.1016/0034-4257(88)90019-3
Coulston, J. W., Reams, G. A., Wear, D. N., & Brewer, C. K. (2014). An analysis of forest
land use, forest land cover and change at policy-relevant scales. Forestry, 87(2),
267–276. https://doi.org/10.1093/forestry/cpt056
Dewi, R. S., Bijker, W., & Stein, A. (2017). Change Vector Analysis to Monitor the Changes
in Fuzzy Shorelines. Remote Sensing, 9(147), 27.
https://doi.org/10.3390/rs9020147
Di Gregorio, A., & Jansen, L. J. M. (2000). Land cover classification system. Land Cover
Classification System (Lccs):Classification Concepts and User Manual.
http://www.fao.org/3/x0596e/X0596e01e.htm
Ghazali, M. F., Wikantika, K., Harto, A. B., Nurtyawan, R., & Susantoro, T. M. (2019). Soil
moisture mapping at a paddy field in Indramayu district using Landsat 8 OLI/TIRS.
Hayati Journal of Biosciences (Accepted), 12.
Hasan, M., Baig, A., Zhang, L., Shuai, T., & Tong, Q. (2017). Derivation of a tasselled cap
transformation based on Landsat 8 at-satellite reflectance. Remote Sensing Letters,
5(5), 423–431. https://doi.org/10.1080/2150704X.2014.915434
Hasan, S., Shi, W., Zhu, X., & Abbas, S. (2019). Monitoring of Land Use / Land Cover and
Socioeconomic Changes in South China over the Last Three Decades Using Landsat
and Nighttime Light Data. Remote Sensing, 11(1658), 1–23.
Huang, C., Wylie, B., Yang, L., Homer, C., & Zylstra, G. (2002). Derivation of a tasselled cap
transformation based on Landsat 7 at-satellite reflectance. International Journal of
Remote Sensing, 23(8), 1741–1748. https://doi.org/10.1080/01431160110106113
Jamalabad, M. S., & Abkar, A. A. (2004). Forest Canopy Density Monitoring , Using
Satellite Images. In O. Altan (Ed.), ISPRS - International Archives of the
Photogrammetry, Remote Sensing and Spatial Information Sciences (pp. 244–249).
ISPRS.
Kauth, R. J., & Thomas, G. S. (1976). The Tasselled Cap -- A Graphic Description of the
Spectral-Temporal Development of Agricultural Crops as Seen by LANDSAT.
Symposium on Machine Processing of Remotely Sensed Data, 13.
Minu, S., & Shetty, A. (2015). A Comparative Study of Image Change Detection
Algorithms in MATLAB. Aquatic Procedia, 4(Icwrcoe), 1366–1373.
https://doi.org/10.1016/j.aqpro.2015.02.177
Muslihah, E. (2019, August 17). Di Sungai Kering, Warga Way Bulok Gelar Upacara
Kemerdekaan Indonesia. Mongabay.Co.Id.
https://www.mongabay.co.id/2019/08/17/di-sungai-kering-warga-way-bulok-
gelar-upacara-kemerdekaan-indonesia/
Rouse, J. W., Haas, R. H., Scheel, J. A., & Deering, D. W. (1974). Monitoring vegetation
13
Tutorial Series_Inderaja_Teknik Geodesi UNILA
systems in the great plains with ERTS. 3rd Earth Resource Technology Satellite
Symposium, 1, 309–317. https://doi.org/19740022614
Ryan Coffey. (2013). The difference between “land use” and “land cover.” Michigan State
University Extension.
https://www.canr.msu.edu/news/the_difference_between_land_use_and_land_cove
r
Singh, A. (1989). Review Article Digital change detection techniques using remotely-
sensed data. International Journal of Remote Sensing, 1161(6), 16.
https://doi.org/10.1080/01431168908903939
Sohn, Y., & Rebello, N. S. (2002). Supervised and unsupervised spectral angle classifiers.
Photogrammetric Engineering and Remote Sensing, 68(12), 1271–1280.
Son, T. S., Lan, P. T., & Cu, P. Van. (2009). Land Cover Change Analysis Using Change
Vector Analysis Method in Duy Tien District , Ha Nam Province in Vietnam Land
Cover Change Analysis Using Change Vector Analysis Method in Duy Tien District ,
Ha Nam Province in Vietnam. 7th FIG Regional Conference Spatial Data Serving
People: Land Governance and the Environment – Building the Capacity, October 2009,
19–22.
https://www.researchgate.net/publication/299841344%0Ahttp://www.fig.net/pu
b/vietnam/papers/ts01g/ts01g_son_etal_3666.pdf
Théau, J. (2008). Change Detection. In Encyclopedia of GIS. Springer, Boston, MA.
https://doi.org/10.1007/978-0-387-35973-1_129
Triyono, H, Y. L., & Fauzi, M. (2020). Tinjauan persentase penutupan vegetasi(PPV) di
DAS Indragiri hulu stasiun Lubuk ambacang tahun 2018. Jom FTEKNIK, 7(1), 1–9.
14