APLIKASI CITRA LANDSAT UNTUK ANALISIS PERUBAHAN TUTUPAN LAHAN

MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBORS TAHUN 2000 - 2022:

Studi Kasus di Kecamatan Wongsorejo Kabupaten Banyuwangi Jawa Timur

HALAMAN SAU

TUGAS AKHIR MATA KULIAH

PEMETAAN LAHAN DAN PENGINDERAAN JAUH

Oleh :

Dicky Putera Prayitno

NIM 191710201074

JURUSAN TEKNIK PERTANIAN

FAKULTAS TEKNOLOGI PERTANIAN
UNIVERSITAS JEMBER
2022
 DAFTAR ISI

BAB 1. TINJAUAN PUSTAKA .................................................................................................... 1

1.1 Profil Kecamatan Wongsorejo Banyuwangi .................................................................... 1
1.2 Penginderaan Jarak Jauh dan Tutupan Lahan .................................................................. 2
1.3 Algoritma K-Nearest Neighbors ...................................................................................... 3
BAB 2. METODOLOGI................................................................................................................. 4
2.1 Batas Wilayah Kajian ............................................................................................................ 4
2.2 Software dan Bahan Kajian ................................................................................................... 4
2.3 Diagram Alir Tahapan Kajian ............................................................................................... 6
2.3.1 Inventarisasi Data ........................................................................................................... 7
2.3.2 Pra-Pemrosesan Data ...................................................................................................... 7
2.3.3 Pengolahan Data ........................................................................................................... 10
BAB 3. HASIL DAN PEMBAHASAN ....................................................................................... 12
3.1 Hasil Klasifikasi Tutupan Lahan ......................................................................................... 12
3.2 Perubahan Tutupan Lahan ................................................................................................... 13
BAB 4. KESIMPULAN ............................................................................................................... 17
DAFTAR PUSTAKA ................................................................................................................... 18
LAMPIRAN.................................................................................................................................. 20
 BAB 1. TINJAUAN PUSTAKA

1.1 Profil Kecamatan Wongsorejo Banyuwangi

Secara geografis kecamatan Wongsorejo terletak di Kabupaten Banyuwangi yang

berada pada bagian utara dengan jarak 27 km dari pusat pemerintahan Kabupaten
Banyuwangi. Kecamatan Wongsorejo merupakan salah satu dari 24 kecamatan yang
ada di dalam wilayah Kabupaten Banyuwangi. Sebagian besar wilayah kecamatan
Wongsorejo merupakan hutan yang mencapai 67,65%, lainnya sawah, tanah kering,
tanah basah, perkebunana dan juga fasilitas. Wilayah kecamatan Wongsorejo dilewati
enam sungai yaitu sungai Sodong di Desa Wongsorejo, Kali Mailang dan Tangkup di
Desa Watukebo, Curah Badolan dan Bajulmati di Desa Bajulmati, serta sungai Corah
Alasbuluh di Desa Alasbuluh. Sungai Bajulmati merupakan sungai terpanjang pada
kecamatan Wongsorejo sepanjang 20 km, sedangkan yang terpendek adalah sungai
Alasbuluh sepanjang 2,22 km. Kecamatan Wongsorejo terletak di sebelah utara
Kabupaten Situbondo, di sebelah selatan berbatasan dengan kecamatan Kalipuro, di
sebelah barat berbatasan dengan Kabupaten Situbondo dan di sebelah timur berbatasan
dengan Selat Bali. Kecamatan Wongsorejo terletak pada koordinat 7o53’00” LS –
8o03’00” LS dan 114o14” BT – 114o26’00” BT dan berada pada ketinggian 1500 meter
diatas permukaan laut.
Kecamatan Wongsorejo yang dipimpin oleh seorang camat dengan kedudukan
dibawah pertanggung jawaban Walikota/ Bupati melalui Sekretaris Kabupaten. Secara
administratif kecamatan Wongsorejo dibagi menjadi 12 desa dan setiap desa dibagi
menjadi beberapa dusun, Rukun Warga (RW) dan Rukun Tetangga (RT). Kecamatan
Wongsorejo terdiri atas 31 dusun, 101 Rukun Warga (RW) dan 486 Rukun Tetangga
(RT). Kecamatan Wongsorejo memiliki jumlah penduduk sebanyak 75.081 jiwa pada
tahun 2013 dengan 37.016 lelaki dan 38.092 perempuan yang tersebar pada 12 Desa.
1.2 Penginderaan Jarak Jauh dan Tutupan Lahan

Penginderaan jarak jauh adalah ilmu dan seni untuk memeroleh informasi tentang
obyek, daerah atau gejala dengan jalan menganalisis data yang diperoleh dengan
menggunakan alat tanpa kontak langsung terhadap obyek, daerah, atau gejala yang
dikaji (Syah, 2010). Penginderaan jarak jauh memiliki makna lainnya seperti berbagai
teknik yang dikembangkan untuk perolehan dan analisis informasi tentang bumi atau
ilmu yang digunakan untuk memeroleh, mengolah dan menginterpretasi citra yang
telah direkam berasal dari interaksi antara gelombang elektromagnetik dengan suatu
obyek. Menurut (Syah, 2010) dalam penerapan penginderaan jarak jauh terdapat
kelebihan dan kekurangan, diantaranya :
1. Citra menggambarkan obyek, daerah dan gejala di permukaan bumi dengan
wujud dan letak obyek yang mirip dengan wujud dan letaknya di permukaan
bumi, relatif lengkap, permanen dan meliputi daerah yang sangat luas,
2. Karakteristik obyek tidak tampak dapat diwujudkan dalam bentuk citra,
sehingga memungkinkan pengenalan obyek,
3. Jumlah data yang dapat digunakan dalam waktu sekali pengambilan data sangat
banyak,
4. Pengambilan data di wilayah yang sama dapat dilakukan berulang – ulang
sehingga analisis data dapat dilakukan tidak berdasarkan variasi spasial tetapi
juga berdasarkan variasi temporal,
5. Tidak semua parameter kelautan dan wilayah pesisir dapat dideteksi dengan
teknologi penginderaan jarak jauh,
6. Akurasi data lebih rendah jika dibandingkan dengan metode pendataan
lapangan (survey in situ).
Penginderaan jarak jauh dapat digunakan untuk Sistem Informasi Geografi
(SIG), citra yang diperoleh melalui penginderaan jarak jauh merupakan data dasar atau
input yang kemudian akan diolah dan disajikan oleh Sistem Informasi Geografi (SIG),
sehingga integrasi antara penginderaan jarak jauh dengan Sistem Informasi Geografi
akan memperoleh yang optimal sebagai data pemanfaatan wilayah seperti tutupan
lahan.
1.3 Algoritma K-Nearest Neighbors

Algoritma K-Nearest Neighbors atau dapat disebut dengan Nearest Neighbor

Retrieval adalah salah satu dari algoritma untuk melakukan klasifikasi objek dengan
data pembelajaran yang jaraknya paling dekat dengan objek tersebut. Algoritma
Nearest Neighbor merupakan klasifikasi yang menggunkaan prinsip kerja analogi.
Training sampel yang dideskripsikan dalam bentuk atribut numerik n-dimensi. Setiap
sampel mewakili sebuah titik pada ruang n-dimensi, dengan cara tersebut semua
training sampel disimpan pada pola ruang n-dimensi dan ketika diberikan “unknown”
sampel, K-NN classifier mencari pola ruang K training sampel yang paling dekat
dengan “unknown” sampel tersebut. Syarat dalam penggunaan algoritma K-NN adalah
nilai K tidak boleh lebih besar dari jumlah data latih, dan nilai K harus ganjil dan lebih
dari satu (Rivki dan Bachtiar, 2017). Dekat atau jauhnya jarak data latih yang paling
dekat dengan objek akan dilakukan klasifikasi dengan menggunakan metode de cosine
similarity.
Menurut Rivki dan Bachtiar (2017), Cosine similarity merupakan metode yang
dapat digunakan untuk melihat sejauh mana kemiripan isi antar dokumen, dan
berfungsi untuk menguji ukuran yang dapat digunakan sebagai interpretasi kedekatan
jarak berdasarkan kemiripan dokumen.
 BAB 2. METODOLOGI

2.1 Batas Wilayah Kajian

Gambar 2.1 Wilayah Kajian Kecamatan Wongsorejo, Kabupaten Banyuwangi

Batas wilayah kajian analisis tutupan lahan meliputi Kecamatan Wongsorejo,

Kabupaten Banyuwangi sesuai yang tertera pada Gambar 2.1.

2.2 Software dan Bahan Kajian

Adapun software yang digunakan dalam analisis tutupan adalah Qgis 3.16 dengan
plugin dzetsaka, ArcGis 10.3, dan Microsoft visio 2007; sedangkan untuk bahan yang
digunakan adalah Data_Training_Area_Kec_Wongsorejo_Lansat 8 dan Lansat 4-5;
Clip _Kec_Wongsorejo_Lansat_8 dan Lansat 4-5.tif; Kec_Wongsorejo;
LC08_L1TP_117065_20211218_20211223_01_T1;LC08_L1TP_117065_20211218
_20211223_01_T1_B2;LC08_L1TP_117065_20211218_20211223_01_T1_B3;LC08
_L1TP_117065_20211218_20211223_01_T1_B4;LC08_L1TP_117065_20211218_2
0211223_01_T1_B5;LC08_L1TP_117065_20211218_20211223_01_T1_B6;LC08_
L1TP_117065_20211218_20211223_01_T1_B7;Composite_LC08_L1TP_117065_2
0211218_20211223_01_T1_B2.TIF;Clip_Composite_LC08_L1TP_117065_2021121
8_20211223_01_T1_B2;Clip_Kec_Wongsorejo_Lansat_8.tif;
LT05_L1TP_117066_20000428_20161214_01_T1;LT05_L1TP_117066_20000428_
20161214_01_T1_B1;LT05_L1TP_117066_20000428_20161214_01_T1_B2;LT05_
L1TP_117066_20000428_20161214_01_T1_B3;LT05_L1TP_117066_20000428_20
161214_01_T1_B4;LT05_L1TP_117066_20000428_20161214_01_T1_B5;Composi
te_LT05_L1TP_117066_20000428_20161214_01_T1_B1.tif;Clip_Composite_LT05
_L1TP_117066_20000428_20161214_01_T1_B1.tif;World Imagery.
Tabel 2.1 Raw metadata

Date Acquired Path/ Rows Cloud Cover (%) Land Cloud Cover (%)
28/04/2000 117/66 23,00 17,00
18/12/2021 117/65 27,51 14,80
2.3 Diagram Alir Tahapan Kajian

MULAI

Data Sentinel 2

Filtering dan Tutupan Awan

(Tanggal, awan, dan batas)

Landsat 8-9 OLI/TIRS C2

Landsat 4-5 TM C2 L1
L1

2000 - 2002 2020 - 2022

Composite dan Clip

Pembuatan Training Area

Klasfikasi

Rekapitulasi Luasan Hasil

Klasifikasi

SELESAI

Gambar 2.2 Contoh diagram alir kajian

2.3.1 Inventarisasi Data

Data yang digunakan dalam analisis tutupan lahan di unduh melalui

earthexplorer.usgs.gov dalam bentuk (.shp), dengan menggunakan satelit Landsat
Collection 1 Level-1 untuk tahun 2000 menggunakan Landsat 4-5 TM C2 L1
sedangkan untuk tahun 2021 atau 2022 menggunakan Landsat 8 OLI/TIRS C2 L1.

2.3.2 Pra-Pemrosesan Data

Pengumpulan data label yang telah diunduh melalui earthexplorer.usgs.gov

dengan ketentuan tahun 2000 dan 2022, memperoleh masing-masing distribusi training
area klasifikasi citra diantaranya sebagai berikut.

Tabel 2.2 Distribusi training area klasifikasi citra tahun 2000

No Kelas Jumlah Training Area Luas (Km2) Persetase (%)

1 Badan Air 5 0,40 0,33
2 Lahan Terbangun 5 7,80 6,36
3 Sawah 5 13,15 10,72
4 Hutan 5 101,33 82,60
Total 20 122,68 100

Tabel 2.3 Distribusi training area klasifikasi citra tahun 2022

No Kelas Jumlah Training Area Luas (Km2) Persetase (%)

1 Badan Air 5 0,60 0,48
2 Lahan Terbangun 5 10,95 9,00
3 Sawah 5 20,50 16
4 Hutan 5 92,29 74
Total 20 124,34 100

Pra-pemrosesan data dilakukan dengan membuat batas wilayah Kecamatan

Wongsorejo pada masing-masing tahun. Batas wilayah kajian yang telah diperoleh
akan dilakukan composite dengan tujuan menggabungkan tiap pixel dari setiap band
untuk memperoleh citra baru (Nurjanah., et al. 2022). Menurut Tanesib dan Johannes
(2016), Landsat 4-5 terdiri dari 7 band; landsat 7 terdiri dari 8 band; dan landsat 8
terdiri dari 11 band; serta kombinasi band yang dilakukan dapat memberikan gambaran
peta Bumi yang lebih detail seperti gelombang merah, hijau, dan biru maka kombinasi
yang diperoleh akan memberikan keterangan warna natural dari Bumi (kombinasi band
3, 2, 1 untuk landsat 4, 5, 7 dan kombinasi band 4,3,2 untuk landsat 8).

Tabel 2.3 Keterangan masing-masing band pada Landsat 4-5 dan 7

Band Gelombang Keterangan

Pemetaan batimetri, membedakan tanah dari

B-1 Biru 0,45 – 0,52 tumbuh-tumbuhan dan gugur dari tumbuhan
jenis konifera.

Menekankan vegetasi puncak, dan yang berguna

B-2 Hijau 0,52 – 0,60
untuk menilai kekuatan tanaman.

B-3 Merah 0,63 – 0,69 Membedakan lereng vegetasi.

B-4 Near Infrared 0,77 – 0,90 Menekankan konten biomassa dan garis pantai.

B-5 Short – Wave Menghilangkan kadar air tanah dan tumbuh-

1,55 – 1,75
Infrared tumbuhan, menembus awan tipis.

B-6 Thermal Pemetaan thermal dan perkiraan kelembaban

10,40 – 12,50
Infrared tanah.

B-7 Short – Wave Batuan ubahan hidrothermal yang berasosiasi

2,09 – 2,35
Infrared dengan endapan mineral.

B-8 Panchromatic Resolusi 15 meter dan gambar lebih tajam.

0,52 – 0,90
(Hanya Landsat 7)

Sumber : https://www.usgs.gov/media/images/landsat-4-5-tm-and-landsat-7-etm-bands-and-
their-uses
 Tabel 2.4 Keterangan masing-masing band pada Landsat 8
Band Gelombang Keterangan

B-1 Coastal aerosol 0,43 – 0,45 Studi pesisir dan aerosol.

B-2 Biru 0,45 – 0,51 Pemetaan batimetri, membedakan tanah dari

tumbuh-tumbuhan dan gugur dari tumbuhan
jenis konifera.

B-3 Hijau 0,53 – 0,59 Menekankan vegetasi puncak, dan yang

berguna untuk menilai kekuatan tanaman.

B-4 Merah 0,64 – 0,67 Membedakan lereng vegetasi.

B-5 Near Infrared 0,85 – 0,88 Menekankan kandungan biomassa dan garis
(NIR) pantai.

B-6 Short-wave 1,57 – 1,65 Peningkatan kadar air tanah dan vegetasi dan
Infared (SWIR) 1 penetrasi awan tipis.

B-7 Short-wave 2,11 – 2,29 Peningkatan kadar air tanah, vegetasi dan
Infrared (SWIR) 2 penetrasi awan tipis.

B-8 Panchromatic 0,50 – 0,68 Resolusi 15 meter, dan definisi gambar lebih
tajam.

B-9 Cirrus 1,36 – 1,38 Peningkatan deteksi kontaminasi awan cirrus.

B-10 TIRS 1 10,60 – 11,19 Resolusi 100 meter, pemetaan thermal dan
perkiraan kelembaban tanah.

B-11 TIRS 2 11,50 – 12,51 Resolusi 100 meter, pemetaan thermal-

thermal yang lebih baik, dan perkiraan
kelembaban tanah.

Sumber : https://www.usgs.gov/media/images/landsat-8-oli-and-tirs-and-their-uses

Composite dilakukan pada masing-masing landsat, untuk landsat 4-5 melakukan

composite B1 – B5 dan untuk landsat 8 melakukan composite B2 – B7, kemudian
mengatur warna sesuai dengan keterangan band pada menu “symbology” pada
“properties”. Layer baru hasil composite akan dilakukan clip sesuai dengan batas
wilayah Kecamatan Wongsorejo dengan cara pilih “select features” pada menu
kemudian klik citra dari layer batas wilayah Kecamatan Wongsorejo lakukan “image
analysis” klik processing dan clip. Cliping berfungsi untuk memotong layer hasil
composite dengan warna band yang sesuai untuk membentuk sebuah layer baru dengan
cakupan wilayah Kecamatan Wongsorejo (Sitanggang, 2010). Layer yang tercipta dari
clip kemudian dilakukan “export raster data” dengan melakukan klik kanan layer
“data dan export data”, sesuaikan pengaturan seperti pada Gambar 2.3.

Gambar 2.3 Pengaturan untuk export raster data hasil cliping

2.3.3 Pengolahan Data

Pengolahan data dilakukan dengan memasukkan layer vektor dan raster

dilanjutkan dengan menganalisis tutupan lahan menggunakan plugins “dzetsaka” dan
memilih “classification dock”, pada “the image to clasify” pilih layer raster hasil
operasi cliping dan “your ROI” pilih layer vektor hasil operasi training sample, serta
mengubah “coloum name” menjadi “ID_Class” dilanjutkan masuk kedalam pengaturan
memilih “classifier” algoritma “K-Nearest Neighbors”. Pemilihan classifier alogritma
K-Nearest Neighbors dikarenakan kemudahan dalam mengunduh hasil proses
algoritma. Layer vektor berasal dari hasil operasi training sample yang telah dilakukan
dan telah melakukan pengaturan pada attribute table dengan menambahkan
“ID_Class”, sedangkan untuk layer raster berasal dari operasi cliping yang telah
disesuaikan dengan ketentuan pada masing-masing landsat.

Gambar 2.4 Menu untuk memasukkan layer vektor dan raster

Gambar 2.5 Menu untuk plugins dzetsaka : classification dock

Gambar 2.6 Pengaturan untuk classification dock

Gambar 2.7 Pemilihan algoritma analisis tutupan lahan

 BAB 3. HASIL DAN PEMBAHASAN

3.1 Hasil Klasifikasi Tutupan Lahan

Klasifikasi tutupan lahan dengan batas wilayah kajian pada Kecamatan

Wongsorejo, Kabupaten Banyuwangi terdiri atas empat kelas yakni badan air, lahan
terbangun, sawah, dan hutan.

Gambar 3.1 Data kelas tutupan lahan Kecamatan Wongsorejo, Kabupaten Banyuwangi

Pada semua kelas memiliki total 20 polygon dengan masing-masing kelas terdiri
atas 5 polygon yang kemudian digabungkan untuk memudahkan dalam melakukan
penggolahan data, dan memberikan warna yang sesuai dengan ketentuan pada polygon
setiap kelas. Warna untuk mewakili badan air, sungai, atau danau adalah cretan blue;
lahan terbangun adalah fire red; sawah adalah sodalite blue; dan hutan adalah leaf
green.

Kelas Warna Nilai Red Nilai Green Nilai Blue

Badan air Cretan blue 0 0 205

Lahan Terbangun Fire red 175 34 33

Sawah Sodalite blue 37 54 104

Hutan Leaf Green 97 138 61

Tabel 3.1 Keterangan nilai RGB untuk masing-masing kelas tutupan lahan
 Berdasarkan analisis tutupan lahan yang telah dilakukan dapat diketahui bahwa
distribusi training area pada tahun 2000 memiliki total luas 122, 68 km2 dengan badan
air seluas 0,4 km2; lahan terbangun seluas 7,8 km2; sawah 13,15 km2; dan hutan 101,33
km2, sedangkan distribusi training area pada tahun 2022 memiliki total luas 124,34
km2 dengan badan air seluas 0,6 km2; lahan terbangun seluas 10,95 km2; sawah 20,50
km2; dan hutan 92,29 km2. Perbedaan total luas wilayah kajian distribusi training area
pada tahun 2000 – 2022 dikarenakan digitasi yang dilakukan untuk setiap polygon pada
masing-masing kelas kurang akurat dan sama, sehingga menyebabkan perbedaan total
luas wilayah kajian distribusi training area sebesar1,66 km2. Digitasi merupakan
proses penggambaran peta yang dilakkan secara on-screen pada layar yang akan
menghasilkan sebauh data vektor dengan format shapefile (.shp)(Endang dan Denih,
2021). Menurut Jumardi., et al. (2016), Salah satu faktor yang mempengaruhi
keterampilan dalam melakukan digitasi adalah alat bantu berupa mouse, hal tersebut
dikarenakan mouse memudahkan dalam menyusuri tiap objek garis pada peta yang
akan didigit, dan memudahkan dalam menggerak atau mengarahkan kursor jika
dibandingkan menggunakan touchpad.

3.2 Perubahan Tutupan Lahan

Perubahan tutupan lahan dengan batas wilayah kajian pada Kecamatan

Wongsorejo, Kabupaten Banyuwangi pada tahun 2000 – 2022 dapat terlihat pada Tabel
3.2 dan Gambar 3.1.

Tabel 3.2 Perubahan luas tutupan lahan Kecamatan Wongsorejo, Kabupaten

Banyuwangi

Kelas Perubahan Luas (km2)

Badan Air 0,20
Lahan Terbangun 3,15
Sawah 7,35
Hutan -9,04
 10
8 7.35

6
4 3.15
Area (Km2)

2
0.2
0
-2
-4
-6
-8
-10 -9.04
Badan Air Lahan Terbangun Sawah Hutan

Gambar 3.2 Grafik perubahan tutupan lahan yang terjadi pada 2000-2022 Kecamatan
Wongsorejo, Kabupaten Banyuwangi

Berdasarkan distribusi training area klasifikasi citra tahun 2000-2022 dapat

diketahui perubahan luasan masing-masing kelas yang terjadi diantaranya badan air
sebesar 0,20 km2; lahan terbangun sebesar 3,15 km2; sawah sebesar 7,35 km2; dan
hutan sebesar -9,04 km2. Distribusi training area yang dilakukan pada kelas hutan tidak
dilakukan secara spesifik seperti dilakukan pembeda antara hutan primer, sekunder dan
tanaman, hal tersebut dikarenakan tidak dapat melakukan proses zoom in secara detail
pada Basemap saat melakukan digitasi. Kecenderungan luas hutan untuk primer dan
sekunder tidak mengalami perubahan, dikarenakan sebagian termasuk kedalam hutan
lindung dan konservasi (Dwiprabowo., et al. 2014). Berkurangnya luas wilayah hutan
selama tahun 2000-2022 dikarenakan hutan tanaman terklasifikasi berubah menjadi
belukar (Wahyuni., et al. 2021). Terklasifikasi hutan tanaman pada tanaman jati
dikarenakan wilayah yang bersebelahan dengan perkebunan, serta pola temporal yang
hampir sama didasarkan pada musim tanam dan pemeliharaan (Setiawan., et al. 2013).
Bertambahnya luas pemukiman dapat menjadi indikasi meningkatnya luas
lahan terbangun. Konversi lahan menjadi pemukiman dan lahan terbangun lainnya
terjadi sebagai akibat dari peningkatan jumlah penduduk dan peningkatan
perekonomian daerah (Rosdiana., et al. 2018). Hal ini didukung oleh pernyatan
Ramadhan (2016) bahwa pada tahun 2013 Kecamatan Wongsorejo dihuni oleh 75.081
jiwa dengan laju pertumbuhan penduduk pada tahun 2011-2012 sebesar 3,72% dan
memiliki kepadatan penduduk bruto sebesar 5.849 jiwa/km2 pada tahun 2013. Adapun
sebaran jumlah penduduk pada Kecamatan Wongsorejo, Kabupaten Banyuwangi pada
tahun 2009-2013 sebagai berikut.

Tabel 3.3 Sebaran jumlah penduduk pada Kecamatan Wongsorejo Banyuwangi pada
tahun 2009-2013

No Desa/Kelurahan Jumlah Penduduk

A Perdesaan 2009 2010 2011 2012 2013

1 Bangsring 5.724 5.732 5.750 5.756 5.903

2 Bengkak 6.420 6.430 6.445 6.461 6.571

3 Alasrejo 5.382 5.392 5.405 5.417 5.506

4 Sumberkencono 4.703 4.706 4.719 4.727 5.024

5 Sidowangi 2.886 2.930 2.942 2.828 3.358

6 Sidodadi 5.298 5.307 5.322 5.328 5.289

7 Bajulmati 8.465 8.482 8.143 8.516 8.483

8 Watukebo 7.002 7.016 7.033 7.047 6.758

9 Sumberanyar 2.321 2.324 2.239 2.335 2.375

10 Bimorejo 4.194 4.202 4.206 4.219 3.925

 Jumlah 52.395 52.521 52.204 52.634 53.192

B Perkotaan

11 Alasbulu 9.359 9.351 9.375 9.394 9.777

12 Wongsorejo 11.072 11.086 11.109 11.130 11.207

Jumlah 20.431 20.437 20.484 20.524 20.984

Jumlah Keseluruhan 72.826 72.958 72.688 73.158 74.176

Indonesia yang termasuk pada daerah tropis memiliki perbedaan tutupan lahan
secara temporal sesuai dengan musimnya, misalnya hasil interpretasi tutupan lahan
sawah yang berbeda antara musim hujan dengan musim kemarau (Wahyuni., et al.
2021). Menurut Verburg., et al. (2009), Sistem tanam memiliki pola yang bergantian
antara lahan kosong – lahan tergenang – padi – lahan kosong – tanaman sekunder yang
urutannya berulang dari tahun ke tahun, sehingga waktu pengakuisisi citra landsat
memiliki pengaruh terhadap hasil distribusi klasifikasi tutupan lahan. Hasil klasifikasi
lahan pertanian dapat bervariasi tergantung pada tanggal akuisisi citra karena tampilan
di citra satelit dipengaruhi oleh musim tanam dan panen tanaman (Setiawan., et al.
2013). Pergantian musim tidak hanya mempengaruhi klasifikasi distribusi tutupan
lahan sawah saja, namun juga pada tutupan lahan badan air karena terdapat daerah yang
masih tergenang oleh air dikarenakan oleh hujan begitu sebaliknya disaat musim
kemarau terdapat daerah yang menjadi kering jika dibandingkan dengan kondisi
normalnya.
 BAB 4. KESIMPULAN

Analisis tutupan lahan pada Kecamatan Wongsorejo, Kabupaten Banyuwangi

tahun 2000-2022 mengalami perubahan seperti pada kelas badan air, sawah, dan lahan
terbangun mengalami peningkatan yang dikarenakan peningkatan jumlah penduduk
pada Kecamatan Wongsorejo, dan waktu dalam melakukan akuisisi citra landsat juga
berpengaruh. Pada tutupan lahan kelas hutan mengalami penurunan, hal tersebut
dikarenakan warna hutan dengan perkebunan pada citra relatif sama sehingga tidak
dapat membedakan antara wilayah hutan dengan perkebunan, serta terdapat konversi
lahan hutan tanaman menjadi tanaman perkebunan. Pemilihan analisis tutupan lahan
menggunakan algoritma K-Nearest Neighbors dikarenakan kemudahan dalam
memprosesnya, jika dibandingkan dengan algoritma lainnya.
 DAFTAR PUSTAKA

Dwiprabowo, H., Djaenuddin, D., Alviya, I., & Wicaksono, D. (2014). Dinamika
Tutupan Lahan: Pengaruh Faktor Sosial Ekonomi. Yogyakarta: Penerbit PT
Kanisius.

Jumardi, A., Nurfalaq, A. and Busrah, Z., 2016. Penerapan Modul Pratikum SIG untuk
Memberikan Keterampilan Pemetaan Bagi Mahasiswa Fisika Sains Universitas
Cokroaminoto Palopo. Prosiding, 2(1).

Nurjanah, U., Parwati, E., Mayestika, P. and Hartati, R., 2022. Analisis Multitemporal
Topografi Pesisir Wonorejo Surabaya dan Pengaruhnya Terhadap Distribusi
Sedimen Menggunakan Software ArcGIS 10.3. Jurnal Perikanan dan
Kelautan, 27(2).

Ramadhan, F.L., 2016. Arahan Peningkatan Kesiapan Masyarakat Terhadap Rencana

Pembangunan Kawasan Industri Dikecamatan Wongsorejo Kabupaten
Banyuwangi (Doctoral dissertation, Institut Teknologi Sepuluh Nopember).

Rivki, M. and Bachtiar, A.M., 2017. Implementasi algoritma K-Nearest Neighbor

dalam pengklasifikasian follower twitter yang menggunakan Bahasa
Indonesia. Jurnal Sistem Informasi, 13(1), pp.31-37.

Rosdiana, A. C., Elmira, G., & MP, R. A. (2018). The Agricultural land conversion:
Finding the Legal, Social and Economic Impacts. Advances in Social Science,
Education and Humanities Research, 192, 108-112.

Setiawan, Y., Yoshino, K., & Philpot, W. D. (2013). Characterizing temporal

vegetation dynamics of land use in regional scale of Java Island, Indonesia.
Journal of Land Use Science, 8(1), 1–30. doi: 10.19081/jpsl.5.2.141

Sitanggang, G. (2010). Kajian pemanfaatan satelit masa depan: sistem penginderaan

jauh satelit LDCM (LANDSAT-8). Berita Dirgantara, 11(2)

Syah, A.F., 2010. Penginderaan jauh dan aplikasinya di wilayah pesisir dan
lautan. Jurnal Kelautan: Indonesian Journal of Marine Science and
Technology, 3(1), pp.18-28.
Tanesib, J.L. and Johannes, A.Z., 2016. Pemetaan Tutupan Lahan Kawasan Hutan
Gunung Timau dalam Mendukung Pembangunan Observatorium Nasional di
Kabupaten Kupang. Jurnal Fisika: Fisika Sains dan Aplikasinya, 1(2), pp.72-77

Verburg, P. H., van de Steeg, J., Veldkamp, A., & Willemen, L. (2009). From land
cover change to land function dynamics: A major challenge to improve land
characterization. Journal of Environmental Management, 90(3), 1327–1335.

Wahyuni, N.I., Hasyim, A.W. and Soemarmo, S., 2021. Dynamic of the Land Use and
Land Cover Change in Banyuwangi Regency From 1995-2019. Jurnal
Wasian, 8(2), pp.121-132.
LAMPIRAN