Roihan Muhammad Derajat*, Yesi Sopariah, Syifa Aprilianti, Aditya Candra Taruna,
Hangga Aria Rahmawan Tisna, Riki Ridwana, Dede Sugandi
Pendidikan Geografi, FPIPS, Universitas Pendidikan Indonesia, Bandung,
Indonesia
*
rmderajat777@upi.edu
1
Jurnal Kajian Ilmu dan Pendidikan
Geografi P-ISSN: 2716-2737; E-ISSN:
2716-2001
Vol. 03 No.01 (2020)
Available at https://ejurnalunsam.id/index.php/jsg/article/view/1985
Pegunungan Selatan) dengan karakteristik
utama merupakan pantai yang sedang
mengalami pengangkatan. Karakteristik
tersebut memberikan konsekuensi
terhadap daerah Pangandaran sebagai
berikut: pertama, dasar pantai yang
terangkat akan
2
Jurnal Kajian Ilmu dan Pendidikan
Geografi P-ISSN: 2716-2737; E-ISSN:
2716-2001
Vol. 03 No.01 (2020)
Available at https://ejurnalunsam.id/index.php/jsg/article/view/1985
mengikutsertakan komponen yang Alat dan Bahan
dimilikinya, seperti batu karang, gua, tanaman Alat yang digunakan untuk menunjang kegiatan
laut dan sebagainya menjadi bagian dari di lapangan adalah kompas, aplikasi avenza
keberadaan pantai tersebut. Kedua, jika map, ENVI 5.3, dan ArcGis yang terpasang
batuannya mengandung kapur, daerah tersebut dalam perangkat computer. Bahan yang
merupakan daerah karst yang memiliki sifat diperlukan untuk menunjang aktifitas
mudah larut dalam air, lapisan tanah yang penelitian adalah data citra Landsat 8 OLI,
tipis, dan sungai bawah tanah, sehingga rentan data administrasi kecamatan pangandaran dan
terhadap erosi dan abrasi (Hayati, 2010). peta Rupa Bumi Indonesia (RBI) sebagai alat
Daerah pangandaran ini sangat jelas bantu interpretasi citra, dan parametee
merupakan wilayah yang potensial dan Klasifikasi Penutup Lahan berdasarkan SNI
mendukung terhadap aktifitas pariwisata, 2014 data shp sungai, jalan, kecamatan dan
meskipun bersamaan dengan potensi tersebut kabupaten pangandaran.
terdapat pula ancaman-ancaman yang
senantiasa terjadi kapan saja. Oleh karena itu Metode Klasifikasi Citra Tutupan Lahan
peta tutupan penggunaan lahan menjadi salah Klasifikasi citra merupakan suatu proses
satu faktor penting dalam menunjang aktifitas penyusunan, atau pengelompokan semua pixel
ekonomi, pariwisata dan perencanaan wilayah (yang terdapat di dalam band citra yang
di kawasan tersebut. Potensi objek dan daya bersangkutan) ke dalam beberapa kelas
tarik di Propinsi Jawa Barat sangat beragam berdasarkan suatu kriteria atau kategori objek,
dan tersebar di kabupaten/kota di Jawa Barat sehingga menghasilkan “peta tematik” dalam
(Hidayat, 2011). bentuk raster. Di dalam pengklasifikasian citra
Tutupan lahan adalah kenampakan digital, secara umum dikenal dengan dua
material fisik permukaan bumi. Tutupan lahan kelompook metode tak
dapat menggambarkan keterkaitan antara terbimbing (unsupervised classification) dan
proses alami dan proses sosial. Tutupan lahan terbimbing (supervised classification).
dapat menyediakan informasi yang sangat klasifikasi citra digital bertujuan
penting untuk keperluan pemodelan serta untuk identifikasi kenampakan
untuk memahami fenomena alam yang terjadi spektral obyek (Muttaqin, 2011).
di permukaan bumi (Liang, 2008. Dalam Keunggulan unsupervised
Sampurno, 2016). Informasi tutupan lahan classification adalah kesalahan operator
yang akurat merupakan salah satu faktor diminimalisir dan unique classes dianggap
penentu dalam meningkatkan kinerja dari sebagai distinct units. Kekurangannya adalah
model-model ekosistem, hidrologi, dan korespondensi yang tidak jelas terhadap
atmosfer (Sampurno, 2016). informational classes, kontrol yang terbatas
Mencari keakuratan suatu data tidak terhadap classes, dan spectral classes tidak
mudah, harus melalui berbagai persiapan konstan. Penelitian ini menggunakan dua jenis
panjang mulai dari pra-pengolahan citra, unsupervised classification yaitu K-Means dan
interpretasi visual citra, membuat penciri kelas IsoData (Septiani, 2019). Klasifikasi tidak
klasifikasi citra, dan uji akurasi. dengan terbimbing merupakan proses
langsung turun kelapangan, tentu setelah turun pengelompokkan pixel-pixel pada citra
ke lapangan langkah-langkah yang harus di menjadi beberapa kelas menggunakan analisa
ambil ialah mengidentifikasi kesesuaian objek cluster (cluster analysis) (Wibowo, 2013).
dilapangan dengan peta (Sampurno, 2016). Secara umum penelitian dilakukan
dengan beberapa tahap, yaitu: pra-pengolahan
METODE PENELITIAN citra, , interpretasi visual citra, membuat
Waktu dan Tempat Penelitian penciri kelas klasifikasi citra, groundchek dan
Dilakukan di kawasan wisata Kecamatan uji akurasi. Tahap pra-pengolahan yang
Pangandaran, Kabupaten Pangandaran, dilakukan adalah penyiapan alat dan bahan.
Provinsi Jawa Barat, pada 31 November - 1 Citra Landsat 8 OLI untuk area penelitian
Desember 2019. didownload dari website United States
Geological Survey (USGS)
(http://earthexplorer.usgs.gov/). Data tersebut
diolah menggunakan ENVI 5.3 untuk
mengklasifikasikannya ke dalam IsoData dan
3
Jurnal Kajian Ilmu dan Pendidikan
Geografi P-ISSN: 2716-2737; E-ISSN:
2716-2001
Vol. 03 No.01 (2020)
Available at https://ejurnalunsam.id/index.php/jsg/article/view/1985
K-Means, kemudian diolah menjadi peta groundchek. Berikut adalah peta sebaran titik
dengan menggunakan software ArcGis dan plot yang akan di groundchek, masing-masing
penentuan sebaran titik plot sampel untuk plot berjarak 300 meter di lapangan.
4
Jurnal Kajian Ilmu dan Pendidikan
Geografi P-ISSN: 2716-2737; E-ISSN:
2716-2001
Vol. 03 No.01 (2020)
Available at https://ejurnalunsam.id/index.php/jsg/article/view/1985
software ArcGis. Sudah diperoleh 2 peta
Tabel 1. Contoh Matriks kesalahan (confusion penutupan lahan dengan objek visual yang
matrix). teridentifikasi sebanyak 7 objek, yaitu 4 objek
hasil unsupervised IsoData, dan 2 objek hasil
Diklasifikasi Produce unsupervised K-Means, kenampakan jenis-
Data kan ke dalam Jumla r’s jenis tutupan lahan ditampilkan dengan warna
Referen kelas (Data h accuracy yang berbeda-beda yaitu sebagai berikut:
si kelas di peta)
A B C
D
A Xii Xi+ Xii/Xi+ a) b) c)
B
C
D Xii d) e) f)
Gambar 2. Interpretasi peta hasil pengolahan
Total Xi+ Kenampakan Objek Permukaan Bumi.
Kolom
User’s Xii/
Berdasarkan gambar diatas, gambar a)
Accura Xi+
cy penulis interpretasikan sebagai objek liputan
vegetasi alami/semi alami lain. Gambar b)
Keterangan: diinterpretasikan sebagai objek hutan
Xii = nilai diagonal matriks kontingensi baris mangrove. Gambar c) diinterpretasikan
ke-i dan kolom ke-i sebagai objek bangunan bukan pemukiman.
Xi+ = jumlah piksel dalam baris ke-i Gambar d) diinterpretasikan sebagai objek
X+i = jumlah piksel dalam kolom ke-i bangunan pemukiman campuran. Gambar e)
diinterpretasikan sebagai objek liputan
Secara matematis akurasi kappa disajikan vegetaasi alami/semi alami lain. Gambar f)
sebagai berikut: diinterpretasikan sebagai objek bangunan
pemukiman campuran. Proses interpretasi
N ∑𝑟 Xii - ∑𝑟 Xi+X+i tersebut didasari oleh rona/warna, bentuk,
𝑖 𝑖
Kappa (k) = N2 - ∑𝑟 Xi+X+i X 100%
𝑖
ukuran, tekstur, pola, bayangan, situs, dan
asosiasi.
Keterangan :
N = banyaknya piksel dalam contoh Klasifikasi Tutupan Lahan data OLI di
X = nilai diagonal dari matriks kontingensi
Kecamatan Pangandaran
baris ke-i dan Kolom ke-i
Peta hasil klasifikasi tutupan lahan data OLI
Xii = jumlah piksel dalam baris ke-i
Xi+ = jumlah piksel dalam kolom ke-i menggunakan IsoData dan K-Means
ditunjukkan pada Gambar 2 dan Gambar 3.
HASIL DAN PEMBAHASAN Secara visual, setiap kelas dapat diidentifikasi
Interpretasi Citra menggunakan pengklasifikasi unsupervised
Berdasarkan citra landsat 8 OLI yang diolah IsoData dan K-Means.
menggunakan metode (unsupervised
classification) IsoData dan K-means, dan
5
Jurnal Kajian Ilmu dan Pendidikan
Geografi P-ISSN: 2716-2737; E-ISSN:
2716-2001
Vol. 03 No.01 (2020)
Gambar 3. Peta Penutup Lahan Kabupaten Pangandaran Tahun 2019 Berdasarkan Klasifikasi SNI-
2014 Menggunakan Metode Unsupervised classification IsoData.
Gambar 4. Peta Penutup Lahan Kabupaten Pangandaran Tahun 2019 Berdasarkan Klasifikasi SNI-
2014 Menggunakan Metode Unsupervised classification K-Means.
6
Jurnal Kajian Ilmu dan Pendidikan
Geografi P-ISSN: 2716-2737; E-ISSN:
2716-2001
Vol. 03 No.01 (2020)
Hasil Interpretasi
Obyek Liputan vegetasi Bangunan Jumlah
alami/semi alami Pemukiman/campuran
lain
Data Lapangan
Liputan vegetasi 13 0 13
alami/semi
alami lain
Bangunan 2 0 2
Pemukiman/cam
puran
Jumlah 15 0 15
Tabel 3. Matriks kesalahan (confusion matrix).
Berdasarkan tabel di atas, ketelitian seluruh lahan dalam kaitannya dengan pemanfaatan
kategori adalah : sebagai ruang pembangunan (Setiawan, 2019).
Apabila kita cermati kedua peta
13
𝐾𝑎𝑝𝑝𝑎 (𝑘) = 𝑥100 = 86.67% tutupan lahan diatas memiliki perbedaan-
15 perbedaan luas klasifikasi tutupan lahan, hal
tersebut disebabkan karena ukuran objek dapat
United States Geological Survey
mengalami over segmentation atau under
(USGS) telah menetapkan tingkat ketelitian
segmentation. Segmentasi yang menghasilkan
klasifikasi atau interpretasi minimum dengan
ukuran poligon melebihi objek akan
menggunakan penginderaan jauh yaitu 85%.
menyebabkan over segmentation sedangkan
Penelitiaan kali ini menghasilkan peta dengan
segmentasi yang menghasilkan ukuran poligon
ketelitian dengan nilai 86.67%.
yang kurang dari ukuran objek pada citra akan
menyebabkan under segmentation. Objek citra
Analisis Hasil Kelasifikasi Tutupan Lahan
yang mengalami over segmentation atau under
Berdasarkan Metode Unsupervised
segmentation akan berpengaruh besar dalam
Classification IsoData dan K-Means
pendefinisian objek sebagai kelas tutupan
Klasifikasi penggunaan lahan merupakan
lahan (Maksum, 2016).
pengelompokan jenis-jenis penggunaan lahan
Segmentasi citra yang mengalami
ke dalam suatu kriteria atau jenis penggunaan
under segmentation berpeluang lebih besar
lahan yang sama berdasarkan persamaan
kelas tutupan lahan tidak terklasifikasi dengan
dalam sifatnya ataupun kaitannya antara
benar. Objek citra yang berukuran kecil dapat
objek-objek tersebut. Klasifikasi penggunaan
bergabung dengan objek lainnya sehingga
lahan dilakukan dengan tujuan
dalam satu objek terdiri dari dua kelas tutupan
agar data dan informasi
lahan atau lebih menyebabkan algoritma
penggunaan lahan dapat lebih mudah
klasifikasi menganggap satu objek tersebut
dipahami. Klasifikasi penggunaan lahan akan
menjadi satu kelas tutupan lahan. Sementara
didasarkan pada bentuk pemanfaatan dan
citra yang mengalami over segmentation juga
penggunaan lahan kota, yaitu penggunaan
7
Jurnal Kajian Ilmu dan Pendidikan
Geografi P-ISSN: 2716-2737; E-ISSN:
2716-2001
Vol. 03 No.01 (2020)
dapat menyebabkan kesalahan klasifikasi keperluan, antara lain pertanian, biologi,
karena objek yang terlalu banyak dapat
menyebabkan klasifikasi menjadi kompleks
namun objek-objek yang berukuran kecil dapat
terklasifikasi dan masih berpeluang dapat
terklasifikasi dengan benar. Oleh karena itu,
ukuran poligon objek citra dari hasil
segmentasi nantinya akan berpengaruh pada
hasil klasifikasi tutupan lahan (Maksum,
2016).
8
Jurnal Kajian Ilmu dan Pendidikan
Geografi P-ISSN: 2716-2737; E-ISSN:
2716-2001
Vol. 03 No.01 (2020)
pertambangan, kelautan, dan sebagainya. matahari yang dapat diserap oleh permukaan
Penginderaan jauh merupakan suatu tanaman, selain itu juga menjadi salah satu
metode untuk memperoleh informasi penyebab perubahan iklim
tentang suatu objek, areal atau fenomena
geografis melalui analisa data yang
diperoleh dari sensor (Indarto, 2009).
Ilmu wilayah mempertimbangkan
aspek ruang dan lingkungan selama
berkaitan dengan aspek-aspek lokasi,
desa, kota, atau wilayah. Salah satu
konsepnya adalah setiap wilayah
senantiasa memiliki karakteristik khas
yang hanya ada pada wilayah tersebut,
dan hal ini merupakan sebuah potensi
yang sangat baik apabila mampu
dimanfaatkan secara optimal. Dengan
mengetahui berbagai informasi terkait
suatu wilayah, maka siapa saja dapat
melakukan perencanaan wilayah dan
pembangunan yang dapat meningkatkan
aktifitas ekonomi, industrialisasi,
pariwisata kesehatan, pendidikan, dan
lain-lain.
Kecamatan Pangandaran dilihat
dari segi geografi desa kota merupakan
daerah peralihan atau disebut dengan
istilah peri- urban. Pada wilayah peri-
urban, dimana merupakan wilayah yang
berada di antara perkotaan dan pedesaan,
wilayah ini mengalami perubahan bentuk
pemanfaatan lahan yang dampaknya bisa
berupa hilangnya lahan pertanian, adanya
gejala komersialisasi dan intensifikasi
lahan pertanian, sampai menurunnya
produksi dan produktivitas pertanian
(Yunus, 2008. Dalam Dewi, 2013).
Salah satu ciri khas daerah
pangandaran adalah lingkungan fisik dan
sosialnya yang sangat menunjang
terhadap aktifitas pariwisata. Keindahan
alam, sarana transportasi yang menunjang,
akses yang mudah, serta masyarakatnya
yang ramah, menjadikan pangandaran
sebagai kawasan wisata favorit yang
senantiasa didatangi wisatawan lokal
maupun internasional. Komoditas khas
pangandaran yang sangat terkenal adalah
ikan asin jambal roti, kemudian liputan
vegetasi yang sangat dominan adalah
pohon kelapa, dan pohon pisang.
1
Jurnal Kajian Ilmu dan Pendidikan
Geografi P-ISSN: 2716-2737; E-ISSN:
2716-2001
Vol. 03 No.01 (2020)
Resolusi Tinggi Dan Menengah. Jurnal Penutup Lahan di Kabupaten
Geodesi Undip, 5(2), 97-107. Buleleng. Jurnal Geografi: Media
Muttaqin, S., & Aini, Q. (2011). Analisis Informasi Pengembangan dan Profesi
perubahan penutup lahan hutan dan Kegeografian, 16(2), 90-96.
perkebunan di Provinsi Jambi Periode Setiawan, A. K., & Rahayu, S. (2018). Kajian
2000-2008. STUDIA INFORMATIKA: Perubahan Penggunaan Lahan dan
JURNAL SISTEM INFORMASI, 4(2). Kesesuaiannya Dengan Rencana Tata
Pahleviannur, M. R. (2019). Pemanfaatan Ruang Wilayah (RTRW) Kabupaten
Informasi Geospasial Melalui Rejang Lebong Berbasis Sistem
Interpretasi Citra Digital Penginderaan Informasi Geografis dan Penginderaan
Jauh untuk Monitoring Perubahan Jauh. Teknik PWK (Perencanaan
Penggunaan Lahan. JPIG (Jurnal Wilayah Kota), 7(3).
Pendidikan dan Ilmu Geografi), 4(2), Umar, F. P., Sela, R. L., & Tarore, R. C.
18- (2016). Perubahan Fungsi Pemanfaatan
26. Ruang di Kelurahan
Prasetyo, A. (2010). “Carbon Stock Changes Mogolaing Kota
Assessment in Tambling Wildlife Kotamobagu. SPASIAL, 3(3), 156-163.
Nature Conservation Bukit Barisan Wibowo, L. A., Sholichin, M., Rispiningtati,
Selatan National Park”. R., & Asmaranto, R. (2013).
Rustiadi, E. (2018). Perencanaan dan Penggunaan Citra Aster Dalam
pengembangan wilayah. Yayasan Identifikasi Peruntukan Lahan Pada Sub
Pustaka Obor Indonesia. DAS Lesti (Kabupaten Malang). Jurnal
Sampurno, R. M., & Thoriq, A. (2016). Teknik Pengairan, 4(1), 39-46.
Klasifikasi Tutupan Lahan Yekti, A., Sudarsono, B., & Subiyanto, S.
Menggunakan Citra Landsat 8 (2013). Analisis perubahan tutupan
Operational Land Imager (Oli) Di lahan DAS Citanduy dengan metode
Kabupaten Sumedang (Land Cover penginderaan jauh. Jurnal Geodesi
Classification Using Landsat 8 UNDIP, 2(4).
Operational Land Imager (Oli) Data In Yuniarti, F. (2013). Analisis Geospasial
Sumedang Regency). Jurnal Teknotan Perubahan Tata Guna Lahan terhadap
Vol, 10(2).
Debit DAS Way Kuala Garuntang
Septiani, R., Citra, I. P. A., & Nugraha, A. S.
Bandar Lampung. Universitas Lampung,
A. (2019). Perbandingan Metode
Supervised Classification dan Lampung.
Unsupervised Classification terhadap