Distribusi spasial TINJAUAN PUSTAKA
menyimpan, dan menganalisis objek-objek dan fenomena dimana lokasi geografi merupakan karakteristik yang penting atau kritis untuk dianalisis. Dengan
demikian, SIG merupakan sistem komputer yang memiliki empat kemampuan dalam menangani data yang bereferensi geografi : a masukan data, b manajemen
data penyimpanan dan pemanggilan data, c analisis dan manipulasi data, dan d keluaran.
Puntodewo et al. 2003 mengemukakan bahwa SIG memiliki empat komponen utama yaitu perangkat keras, perangkat lunak, data, dan sumberdaya
manusia. Perangkat lunak yang banyak dipakai dalam aplikasi SIG antara lain ArcView, IDRISI, ER mapper, GRASS, MapInfo, dan ERDAS. Sedangkan salah
satu sumber data dalam SIG berasal dari penginderaan jauh remote sensing. Dalam teknologi ini, objek di permukaan bumi direkam oleh sensor yang dipasang
pada wahana platform pesawat udara atau satelit. Pada umumnya objek yang direkam sensor satelit berupa citra digital. Citra digital yang terekam dalam
bentuk elemen-elemen gambar picture element = pixel. Pixel menyatakan tingkat keabuan atau tingkat warna yang terekam pada citra Purwadhi 2001.
Perekaman citra digital oleh sensor menggunakan energi elektromagnetik. Spektrum gelombang elektromagnetik yang dipakai dalam perekaman berkisar
dari spektrum ultraviolet, tampak, infra merah dekat, infra merah termal, dan gelombang mikro. Perekaman berlangsung dengan melibatkan beberapa spektrum
sekaligus sehingga disebut citra multispektral. Citra digital multispektral seperti citra Lansat TM Thematic mapper direkam dengan menggunakan tujuh kisaran
spektrum elektromagnetik atau tujuh saluran band = channel spektral, yaitu : band 1 biru 0,45-0,52µm berguna untuk membedakan kejernihan air dan
membedakan antara tanah dengan tanaman; band 2 hijau 0,52-0,60µm berguna untuk mendeteksi tanaman; band 3 merah 0,63-0,69µm berguna untuk
membedakan tipe tanaman; band 4 infra merah dekat NIR 0,76-0,90µm berguna untuk meneliti biomas tanaman, dan juga membedakan batas tanah-
tanaman dan daratan-air; band 5 infra merah sedang MIR 1,55-1,75µm menunjukkan kandungan air tanaman dan tanah, berguna untuk membedakan tipe
tanaman dan kesehatan tanaman, juga digunakan untuk membedakan antara awan, salju dan es; band 6 infra merah termal TIR 10,40-12,50µm berguna untuk
mencari lokasi kegiatan geothermal, mengukur tingkat stres tanaman, kebakaran, dan kelembaban tanah; dan band 7 infra merah sedang MIR 2,08-2,35µm
berhubungan dengan mineral, rasio antara band 5 dan 7 berguna untuk mendeteksi batuan dan deposit mineral Purwadhi 2001; Puntodewo et al. 2003.
Citra digital akan bermakna apabila dilakukan interpretasi atau penafsiran citra. Interpretasi dimaksudkan untuk mengidentifikasi objek yang tergambar
dalam citra dan menilai arti pentingnya objek tersebut. Interpretasi citra penginderaan jauh dapat dilakukan dengan dua cara, yaitu interpretasi secara
manual dan interpretasi secara digital Purwadhi 2001. Interpretasi secara manual adalah interpretasi data citra berdasarkan pada pengenalan ciri
karakteristik objek secara keruangan spasial. Karakterisasi objek yang tergambar pada citra dapat dikenali berdasarkan unsur-unsur interpretasi seperti
rona atau warna, bentuk, pola ukuran, letak, dan asosiasi kenampakan objek. Sedangkan interpretasi citra digital merupakan evaluasi kuatitatif tentang
informasi spektral yang disajikan pada citra. Dasar interpretasi digital berupa klasifikasi pixel berdasarkan nilai spektralnya. Setiap kelas kelompok pixel dicari
kaitannya terhadap objek atau gejala di permukaan bumi. Objek di permukaan bumi dapat dikenali melalui pengenalan pola spektral
yang dapat dilakukan dengan cara klasifikasi. Purwadhi 2001 mengemukakan bahwa klasifikasi citra bertujuan untuk pengelompokkan atau melakukan
segmentasi terhadap
kenampakan-kenampakan yang
homogen dengan
menggunakan teknik kuantitatif. Klasifikasi citra secara digital dapat dilakukan dengan tiga cara, yaitu 1 klasifikasi terbimbing supervised classification yang
merupakan klasifikasi nilai pixel didasarkan pada contoh daerah yang diketahui jenis objek dan nilai spektralnya, 2 klasifikasi tak terbimbing unsupervised
classification, merupakan klasifikasi tanpa daerah contoh yang diketahui jenis objek dan nilai spektralnya, 3 klasifikasi gabungan atau klasifikasi hibrida
hybride menggunakan kedua cara klasifikasi di atas. Jaya 2007 mengemukakan bahwa klasifikasi secara kuantitatif dalam
konteks multispektral dapat diartikan sebagai suatu proses mengelompokkan piksel ke dalam kelas-kelas yang ditetapkan berdasarkan peubah-peubah yang
digunakan. Proses ini sering juga disebut dengan segmentasi segmentation.
Kelas yang terbentuk dapat berupa sesuatu yang terkait dengan fitur-fitur yang telah dikenali di lapangan atau berdasarkan kemiripan yang dikelompokkan oleh
komputer. Citra yang telah dikelompokkan dapat terdiri atas beberapa kelas tutupan lahan, seperti vegetasi, tanah kosong, padang rumput, wilayah
pemukiman, wilayah lahan basah, permukaan lahan terbangun built up dan sebagainya.
Dengan menggunakan data citra Landsat TM, Yuan et al 2005 telah melakukan klasifikasi tutupan lahan dan analisis perubahannya di kota-kota
berdekatan metropolitan Minnesota. Klasifikasi tutupan lahan ini dilakukan untuk menjelaskan penyebaran spasial perubahan tutupan lahan sejak tahun 1986
sampai dengan 2002. Klasifikasi dilakukan dengan menggunakan metode hibrid supervised-unsupervised. Selama tujuh tahun terjadi perubahan tutupan lahan
berupa perluasan kota dari 23,7 menjadi 32,8, sementara lahan pertanian, hutan dan lahan basah mengalami pengurangan dari 69,6 menjadi 60,5.