Studi Komparasi Pemetaan Penggunaan/Penutupan Lahan Melalui Citra Landsat dan Citra Quickbird. Studi kasus: Sub Daerah Aliran Sungai (DAS) Ciliwung Hulu, Bogor.

STUDI KOMPARASI PEMETAAN PENGGUNAAN/PENUTUPAN LAHAN MELALUI CITRA LANDSAT DAN CITRA QUICKBIRD Studi Kasus: Sub Daerah Aliran Sungai (DAS) Ciliwung Hulu, Bogor

BAMBANG ADE WAHYUDI A14054173

PROGRAM STUDI MANAJEMEN SUMBERDAYA LAHAN DEPARTEMEN ILMU TANAH DAN SUMBERDAYA LAHAN

FAKULTAS PERTANIAN INSTITUT PERTANIAN BOGOR

SUMMARY

BAMBANG ADE WAHYUDI. Comparison Study The Mapping of Land Use/Land Cover through Landsat Image and Quickbird Image. Case Study: Sub-drainage Area Riverbasin (DAS) Ciliwung Hulu, Bogor. Under supervision of

Khursatul Munibah and Komarsa Gandasasmita.

As the knowledge and technology develop, the satellite image also starts gaining its popularity as the component of remote sensing data. The Landsat image has eight spectral channels with spatial resolution 15 m (panchromatic) and 30 m (multispectral). The Quickbird image, a high-resolution image, has spatial resolution 0,6 m (panchromatic) and 2,4 m (multispectral). The difference of spatial resolution causes the difference of land use/land cover information among these two images. The purposes of this research are as follows: a) comparing the appearance of objects in the image of Quickbird panchromatic, multispectral, and fusion, b) comparing the results of mapping land use/land cover from Landsat and Quickbird image fusion, c) analyze the accuracy of geometric objects in the Quickbird image fusion with the condition in the field.

This research comprises three stages, namely: preparation, data collection, and data analysis. The preparation stage includes the Landsat image downloading and the provision of revised Quickbird image with RBI map. Then, the data collection stage is divided into primary data collection (check field and the measurement object) and secondary data collection (RBI maps and map the study area boundary). Lastly, the data analysis stage consists of: object identification on the Quickbird image fusion, visual interpretation of the land use/land cover based on Landsat image and Quickbird image, conscientiousness test of the interpretation outcome, comparison of the polygon number and width of land use/land cover respectively, consistency of the land use/land cover type, and regression analysis of the object measurement between the Quickbird image and on-field measurement.

The object interpretation and identification on the Quickbird image can be conducted more easily on the fusion image compared to the panchromatic image and multispectral image. The land use/land cover interpreted from the Landsat image and Quickbird image respectively consists of 8 and 12 classifications. The overall accuracy value and kappa value from Quickbird image are 91% and 0,89 respectively. The dominant land use/land cover from Landsat image is housing (23,75%), while the dominant one from Quickbird image is compound plantation (26,55%). The types of land use/land cover obtained from the Landsat image and Quickbird image that possesses high consistency are forest and tea garden, while the low ones comprise housing and water body. On the level of classification detail, the Quickbird image has 4 levels of classification, while the Landsat image only has one level of classification. The object measurement on the Quickbird image and on-field measurement show a fairly close relation, with R² = 0,983.

Proposition for further research is the necessity of succeeding research on by adding satellite imagery that has a medium spatial resolution such as: CARTOSAT-1, FORMOSAT-2, RapidEye, SPOT-5, ALOS, and others.

RINGKASAN

BAMBANG ADE WAHYUDI. Studi Komparasi Pemetaan

Penggunaan/Penutupan Lahan Melalui Citra Landsat dan Citra Quickbird. Studi kasus: Sub Daerah Aliran Sungai (DAS) Ciliwung Hulu, Bogor. Di bawah bimbingan Khursatul Munibah dan Komarsa Gandasasmita.

Seiring dengan berkembangnya ilmu pengetahuan dan teknologi, citra satelit mulai marak digunakan sebagai komponen data penginderaan jauh. Citra Landsat memiliki delapan saluran spektral tampak dengan resolusi spasial 15 m (pankromatik) dan 30 m (multispektral). Citra Quickbird merupakan citra beresolusi tinggi yang memiliki resolusi spasial 0,6 m (pankromatik) dan 2,4 m (multispektral). Perbedaan resolusi spasial ini mengakibatkan perbedaaan informasi penggunaan/penutupan lahan antara kedua citra. Tujuan dari penelitian ini adalah : a) membandingkan kenampakan objek di citra Quickbird pankromatik, multispektral, dan fusi, b) membandingkan hasil pemetaan penggunaan/penutupan lahan dari citra Landsat dan fusi citra Quickbird, c) menganalisis ketelitian geometrik objek di fusi citra Quickbird dengan kondisi di lapang.

Penelitian terbagi dalam tiga tahap yaitu : persiapan, pengumpulan data, dan analisis data. Tahap persiapan meliputi pengunduhan citra Landsat dan penyediaan citra Quickbird yang telah terkoreksi dengan peta RBI. Tahap pengumpulan data terbagi menjadi pengumpulan data primer (pengecekan lapang dan pengukuran objek) serta pengumpulan data sekunder (peta RBI dan peta batas daerah penelitian). Tahap analisis data yang dilakukan meliputi: identifikasi objek pada fusi citra Quickbird, interpretasi visual penggunaan/penutupan lahan dari citra Landsat dan citra Quickbird, uji ketelitian hasil interpretasi, perbandingan jumlah poligon dan luas masing-masing penggunaan/penutupan lahan, konsistensi tipe penggunaan/penutupan lahan, serta analisis regresi pengukuran objek pada citra Quickbird dengan pengukuran objek di lapang.

Identifikasi dan interpretasi objek pada citra Quickbird lebih mudah dilakukan pada citra fusi dibandingkan dengan citra pankromatik dan citra multispektral. Tipe penggunaan/penutupan lahan yang diinterpretasi dari citra Landsat dan citra Quickbird berjumlah masing-masing 8 dan 12 klasifikasi. Nilai overall accuracy dan nilai kappa dari citra Quickbird masing-masing sebesar 91% dan 0,89. Penggunaan/penutupan lahan yang dominan dari citra Landsat adalah pemukiman (23,75%), sedangkan dari citra Quickbird adalah kebun campuran (26,55%). Tipe penggunaan/penutupan lahan yang diperoleh dari citra Landsat dan citra Quickbird yang memiliki konsistensi tinggi adalah hutan dan kebun teh, sedangkan yang rendah adalah pemukiman dan badan air. Pada tingkat kedetailan klasifikasi, citra Quickbird memiliki 4 tingkat klasifikasi, sedangkan pada citra Landsat hanya memiliki 1 tingkat klasifikasi saja. Hubungan antara pengukuran objek pada citra Quickbird dengan di lapang cukup erat yang ditunjukkan dengan nilai R² = 0,983.

Saran untuk penelitian selanjutnya adalah perlunya penelitian lanjutan dengan menambah citra satelit yang memiliki resolusi spasial menengah seperti: CARTOSAT-1, FORMOSAT-2, RapidEye, SPOT-5, ALOS, dan lain-lain.

STUDI KOMPARASI PEMETAAN PENGGUNAAN/PENUTUPAN LAHAN MELALUI CITRA LANDSAT DAN CITRA QUICKBIRD Studi Kasus: Sub Daerah Aliran Sungai (DAS) Ciliwung Hulu, Bogor

Bambang Ade Wahyudi A14054173

Skripsi

sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Pertanian

Pada Fakultas Pertanian, Institut Pertanian Bogor

PROGRAM STUDI MANAJEMEN SUMBERDAYA LAHAN DEPARTEMEN ILMU TANAH DAN SUMBERDAYA LAHAN

FAKULTAS PERTANIAN INSTITUT PERTANIAN BOGOR

LEMBAR PENGESAHAN

Judul Skripsi : Studi Komparasi Pemetaan Penggunaan/Penutupan Lahan melalui Citra Landsat dan Citra Quickbird. Studi Kasus: Sub Daerah Aliran Sungai (DAS) Ciliwung Hulu, Bogor

Nama Mahasiswa : Bambang Ade Wahyudi Nomor Pokok : A14054173

Menyetujui,

Dosen Pembimbing I Dosen Pembimbing II

(Dr. Khursatul Munibah, M.Sc) (Dr. Ir. Komarsa Gandasasmita, M.Sc)

NIP. 19620515 199003 2 001 NIP. 19550111 197603 1 001

Mengetahui,

Ketua Departemen

(Dr. Ir. Syaiful Anwar, M.Sc)

NIP. 19621113 198703 1 003

RIWAYAT HIDUP

Penulis lahir di Bukittinggi, Sumatera Barat, pada tanggal 20 Januari 1988. Penulis merupakan anak keenam dari enam bersaudara dari pasangan Bapak H. Agustami St. Batuah dan Ibu Dra. Hj. Anita Djabar.

Penulis menyelesaikan pendidikan sekolah dasar pada tahun 1999 di SDN 11 Cimpago Guguak Bulek, Kecamatan Mandiangin Koto Selayan, Bukittinggi. Kemudian pada tahun 2002, penulis menyelesaikan pendidikan sekolah menengah pertama di SMPN 5 Bukittinggi. Selanjutnya penulis melanjutkan pendidikan sekolah menengah atas di SMAN 1 Bukittinggi dan lulus pada tahun 2005.

Pada tahun yang sama (2005), penulis diterima di Tingkat Persiapan Bersama (TPB) Institut Pertanian Bogor (IPB) melalui jalur Seleksi Penerimaan Mahasiswa Baru (SPMB) dan pada tahun 2006 diterima di Mayor Manajemen Sumberdaya Lahan, Departemen Ilmu Tanah dan Sumberdaya Lahan, Fakultas Pertanian, Institut Pertanian Bogor.

Selama menjalani pendidikan di perguruan tinggi, penulis pernah aktif

dalam Paduan Suara Mahasiswa “Agriaswara” pada periode 2005-2007 dan pernah juga mengikuti kegiatan mahasiswa lain seperti panitia dalam kegiatan Masa Perkenalan Departemen (MPD) tahun 2007, serta sebagai panitia dalam Semiloka Nasional Geomatika-SAR Nasional tahun 2009. Selain itu, penulis pernah menjadi asisten pratikum Penginderaan Jauh dan Interpretasi Citra (2009-2010), asisten pratikum Geomorfologi dan Analisis Lanskap (2009-(2009-2010), dan asisten pratikum Sistem Informasi Geografi (2009-2010).

KATA PENGANTAR

Puji syukur penulis ucapkan kepada Allah S.W.T yang telah memberikan nikmat dan karunia-Nya, sehingga penulis dapat menyelesaikan penelitian dan skripsi. Skripsi yang berjudul “Studi Komparasi Pemetaan Penggunaan/Penutupan Lahan melalui Citra Landsat dan Citra Quickbird. Studi

Kasus: Sub Daerah Aliran Sungai (DAS) Ciliwung Hulu, Bogor” ini merupakan salah satu syarat untuk mendapatkan gelar sarjana di Mayor Manajemen Sumberdaya Lahan, Departemen Ilmu Tanah dan Sumberdaya Lahan, Fakultas Pertanian, Institut Pertanian Bogor.

Pada kesempatan ini, tak lupa penulis ingin menyampaikan ucapan terima kasih yang sebesar-besarnya kepada:

1. Dr. Khursatul Munibah, M.Sc selaku dosen pembimbing skripsi I yang telah memberikan banyak bimbingan, pengarahan, serta masukan selama masa penelitian dan penyusunan skripsi ini.

2. Dr. Ir. Komarsa Gandasasmita, M.Sc selaku dosen pembimbing skripsi II yang telah memberikan banyak bimbingan, pengarahan, serta masukan selama penelitian dan penyusunan skripsi ini.

3. Dr. Boedi Tjahjono, M.Sc selaku dosen penguji yang telah memberikan saran dan masukan dalam penyusunan skripsi.

4. Dr. Ir. Iskandar selaku dosen pembimbing akademik yang memberikan pengarahan dan bimbingan selama masa perkuliahan.

5. Kedua orang tuaku, Ayahanda H. Agustami St. Batuah dan Ibunda Dra. Hj. Anita Djabar, atas kasih sayang dan kesabarannya, semoga Allah S.W.T membalas semua pengorbanan mereka.

6. Kakak-kakakku tercinta: Besty Ineke, Dodi Kurniawan, Ismed Gusno, Khairi Yanti, dan abangku tersayang Alm. Khairi Yanto, untuk dorongan semangatnya selama ini.

7. Seluruh staf dan dosen pengajar Departemen Ilmu Tanah dan Sumberdaya Lahan.

8. Rekan-rekan seperjuangan di Laboratorium Bagian Penginderaan Jauh dan Informasi Spasial (Ikhsan, Tyo, Yudi, Poppy, Ivong, Atha, Yanti, Icong,

dan Luluk) serta staf Laboratorium Bagian Penginderaan Jauh dan Informasi Spasial (Mas Manijo, Mbak Reni, Mbak Agi, dan Mbak Nurul) atas dukungan dan bantuan selama ini.

9. Teman-teman komunitas Bujangers (Ali, Andre, Anter, Awank, Bobby, Carlos, Daniel, Ganda, Geges, Idan, dan Jire) atas segala bantuan, dukungan, dan canda tawa selama ini.

10.Bang Suraj, Ridho, Decil, Umbara, Hadi, Sendy, Rahardian, dan Linda atas bantuan dan dukungan selama ini.

11.Teman-teman kosan Pondok AA (Da Roni, Novel, Aat, Aan, Huda, Ibal, Isan, Luther, Wido, Bowo, Rizky, Anjar, Bedur), dan Wisma Alma (Mas Erwin, Aziz, Rey, Dendi, Janu, Ajoy, Mas Bilal) atas bantuan dan dukungan selama ini.

12.Dukungan dan bantuan dari teman-teman Departemen Ilmu Tanah dan Sumberdaya Lahan (ITSL) serta pihak-pihak yang tidak dapat disebut satu persatu.

Penulis menyadari bahwa masih banyak terdapat kekurangan pada skripsi ini. Namun, penulis berharap skripsi ini bermanfaat bagi semua pihak yang memerlukannya.

Bogor, November 2011

DAFTAR ISI

Halaman

KATA PENGANTAR ... i

DAFTAR ISI ... iii

DAFTAR TABEL ... v

DAFTAR GAMBAR ... vii

DAFTAR LAMPIRAN ... viii

I.PENDAHULUAN ... 1

1.1. Latar Belakang ... 1

1.2. Tujuan ... 2

II. TINJAUAN PUSTAKA ... 3

2.1. Penginderaan Jauh ... 3

2.1.1. Citra Landsat ... 3

2.1.2. Citra Quickbird... 5

2.2. Fusi Citra ... 7

2.3. Penggunaan/penutupan lahan ... 7

2.4. Aplikasi Citra Landsat untuk Pemetaan Penggunaan/Penutupan Lahan ... 8

2.5. Aplikasi Citra Quickbird untuk Pemetaan Penggunaan/Penutupan Lahan .. 8

2.6. Akurasi Hasil Interpretasi Citra ... 9

2.7. Regresi Linier Sederhana ... 10

III. METODE PENELITIAN ... 11

3.1. Lokasi dan Waktu Penelitian ... 11

3.2. Bahan dan Alat ... 11

3.3. Metode Penelitian... 12

3.3.1. Identifikasi Kenampakan Objek pada Fusi Citra Quickbird ... 13

3.3.2. Interpretasi Visual Penggunaan/Penutupan Lahan dari Citra Landsat dan Citra Quickbird ... 14

3.3.3. Uji Ketelitian Interpretasi ... 15

3.3.4. Perbandingan Jumlah Poligon dan Luas Masing-Masing Penggunaan/Penutupan Lahan ... 16

3.3.6. Tingkat Kedetailan Penggunaan/Penutupan Lahan ... 17

3.3.7. Analisis Regresi Pengukuran Objek pada Citra Quickbird dengan Pengukuran Objek di Lapang ... 19

IV. HASIL DAN PEMBAHASAN ... 20

4.1. Fusi pada Citra Quickbird ... 20

4.2. Interpretasi Penggunaan/Penutupan Lahan pada Citra Landsat dan Citra Quickbird ... 22

4.3. Akurasi Hasil Interpretasi Penggunaan/Penutupan Lahan dari Citra Quickbird ... 27

4.4. Perbandingan Keluaran (Output) dari Interpretasi melalui Citra Landsat dan Citra Quickbird ... 29

4.4.1. Luas dan Jumlah Poligon dari Masing-Masing Penggunaan/Penutupan Lahan dari Citra Landsat dan Citra Quickbird ... 32

4.4.2. Konsistensi Tipe Penggunaan/Penutupan Lahan yang Bersumber dari Citra Landsat dan Citra Quickbird ... 33

4.4.3. Tingkat Kedetailan Klasifikasi Penggunaan/Penutupan Lahan dari Citra Landsat dan Citra Quickbird ... 41

4.5. Hubungan antara Pengukuran Objek pada Citra Quickbird dengan Pengukuran Lapang ... 48

V. KESIMPULAN DAN SARAN ... 50

5.1. Kesimpulan ... 50

5.2. Saran ... 50

DAFTAR PUSTAKA...51

DAFTAR TABEL

Nomor Halaman

Teks

1. Spesifikasi Satelit Landsat 7 ... 4

2. Karakteristik Band Citra Landsat 7 ... 5

3. Karakteristik Citra Quickbird ... 6

4. Spesifikasi satelit Quickbird ... 6

5. Bahan yang Digunakan Dalam Penelitian ... 12

6. Alat dan Perangkat Lunak yang Digunakan dalam Penelitian ... 12

7. Tingkat konsistensi tipe penggunaan/penutupan lahan ... 17

8. Sistem Klasifikasi Penggunaan/Penutupan Lahan untuk digunakan dengan Data Penginderaan Jauh ... 18

9. Tabel kenampakan objek pada citra pankromatik, citra multispektral, dan citra fusi……….21

10. Persentase kenampakan pada citra pankromatik, citra multispektral, dan citra fusi……….22

11. Nilai overall accuracy dari citra Quickbird ... 27

12. Nilai kappa dari citra Quickbird ... 28

13.Perbandingan jumlah kelas dan luas masing-masing penggunaan/penutupan lahan………..32

14. Jumlah dan persentase poligon pada citra Landsat dan citra Quickbird ... 33

15. Konsistensi hutan yang bersumber dari citra Landsat dan citra Quickbird .... 34

16. Konsistensi kebun campuran yang bersumber dari citra Landsat dan citra Quickbird ... 35

17.Konsistensi kebun teh yang bersumber dari citra Landsat dan citra Quickbird 36 18.Konsistensi tegalan yang bersumber dari citra Landsat dan citra Quickbird ... 37

19.Konsistensi sawah yang bersumber dari citra Landsat dan citra Quickbird .... 38

20.Konsistensi pemukiman yang bersumber dari citra Landsat dan citra Quickbird………...39 21.Konsistensi badan air yang bersumber dari citra Landsat dan citra Quickbird 40

22.Konsistensi tanah kosong yang bersumber dari citra Landsat dan citra

Quickbird ... 40 23. Konsistensi tipe penggunaan/penutupan lahan yang bersumber dari citra

Landsat dan citra Quickbird……… 41

24. Pembagian Level Klasifikasi Penggunaan/Penutupan Lahan……… 42

DAFTAR GAMBAR

Nomor Halaman

Teks

1. Satelit Landsat ... 3

2. Satelit Quickbird ... 6

3. Peta Lokasi Penelitian ... 11

4. Diagram Alir Penelitian ... 13

5. Sistematik Pengambilan Sampel pada Penggunaan/Penutupan Lahan Kebun Campuran ... 16

6. Kenampakan Objek Citra Quickbird pada Citra Pankromatik, Citra Multispektral, dan Citra Fusi ... 20

7. Contoh Kenampakan Objek Pada Citra Landsat, Quickbird, dan Lapang ... 25

8. Peta Penggunaan/Penutupan Lahan Daerah Aliran Sungai (DAS) Ciliwung Hulu (Landsat) ... 30

9. Peta Penggunaan/Penutupan Lahan Daerah Aliran Sungai (DAS) Ciliwung Hulu (Quickbird)………...32

10. Peta Penggunaan/Penutupan Lahan Level 1 (Landsat) ... 43

11. Peta Penggunaan/Penutupan Lahan Level 1 (Quickbird) ... 44

12. Peta Penggunaan/Penutupan Lahan Level 2 (Quickbird) ... 45

13. Peta Penggunaan/Penutupan Lahan Level 3 (Quickbird) ... 46

14. Peta Penggunaan/Penutupan Lahan Level 4 (Quickbird) ... 47

15.Grafik analisis regresi linier sederhana antara pengukuran objek pada citra dengan pengukuran objek di lapang………..49

DAFTAR LAMPIRAN

Nomor Halaman

Teks

1. Tabel Uji Lapang... 54 2. Data Statistik Pengukuran Objek Pada Citra dan Lapang ... 57

I. PENDAHULUAN

1.1. Latar Belakang

Seiring dengan berkembangnya ilmu pengetahuan dan teknologi, citra satelit mulai banyak dimanfaatkan dalam berbagai ilmu. Pada tahun 1972, Earth Resources Technology Satellite (ERTS-A) dari Amerika Serikat yang kemudian disebut Landsat 1 merupakan satelit penginderaan jauh pertama. Satelit ini memiliki resolusi spasial 80 m dan memiliki empat saluran Red Green Blue (RGB) dan saluran inframerah dekat. Generasi satelit Landsat berikutnya mengalami peningkatan dalam hal resolusi spasial dan resolusi spektral. Pada tahun 1999, muncul satelit baru yaitu Landsat 7 yang memiliki 8 saluran spektral dan resolusi spasial 15 m untuk citra pankromatik dan 30 m untuk citra multispektral. Saat ini telah banyak satelit baru yang diluncurkan diantaranya adalah ALOS, IKONOS, Quickbird, OrbView, dan lain-lain yang memiliki resolusi spasial yang lebih baik dari generasi sebelumnya.

Citra Landsat telah dimanfaatkan oleh pemerintah, swasta, industri, sipil, dan pendidikan di seluruh dunia. Citra ini digunakan untuk mendukung berbagai bidang dalam aplikasi seperti: penelitian perubahan iklim global, pertanian, kehutanan, geologi, manajemen sumberdaya, geografi, pemetaan, hidrologi, dan oseanografi. Pemetaan penggunaan/penutupan lahan dengan citra Landsat mampu menyediakan informasi kenampakan objek dan kegiatan manusia di permukaan bumi.

Quickbird adalah satelit penginderaan jauh komersial milik perusahaan Amerika Serikat, DigitalGlobe, yang menyediakan produk citra beresolusi tinggi. Diluncurkan pada tahun 2001, produk ini terdiri dari sensor pankromatik dan sensor multispektral. Kedua sensor tersebut menghasilkan citra yang memiliki resolusi spasial berbeda yaitu 0,61 m untuk citra pankromatik dan 2,44 m untuk citra multispektral. Pada resolusi ini, detail bangunan dan infrastruktur lainnya terlihat jelas.

Munculnya citra Quickbird ini tentunya memberi harapan bagi praktisi di bidang planologi, pertanian, kehutanan, pertambangan, dan lain-lain yang

memerlukan data akurat. Dengan kemampuan citra Quickbird menyajikan data spasial hingga ketelitian 0,61 m, lokasi pemukiman dapat diidentifikasi per individu bangunan. Jalan raya dan sungai pun dapat diidentifikasi sebagai poligon. Pemetaan penggunaan/penutupan lahan dengan citra Quickbird mampu menyediakan informasi kenampakan objek dan kegiatan manusia di permukaan bumi secara detail.

Khusus untuk citra Quickbird, penggunaan salah satu citra baik citra pankromatik maupun citra multispektral terkadang belum cukup untuk mendapatkan output yang diinginkan karena adanya keterbatasan resolusi spektral dan resolusi spasial (Nisak, 2010). Oleh karena itu, fusi citra perlu dilakukan untuk mendapatkan gambar citra yang diinginkan yakni memiliki resolusi spasial tinggi dan kombinasi Red Green Blue (RGB). Teknik fusi citra yang digunakan dalam penelitian ini adalah Color Normalized (Brovey). Teknik ini berfungsi untuk menajamkan gambar dengan menggunakan kombinasi matematis dari citra multispektral dan citra pankromatik (Vrabel, 1996).

Untuk mengetahui sejauh mana citra satelit mampu menyajikan informasi penggunaan/penutupan lahan suatu wilayah, perlu dilakukan penelitian perbandingan. Penelitian ini membandingkan citra Landsat dan citra Quickbird. Studi komparasi pemetaan penggunaan/penutupan lahan melalui citra Landsat dan citra Quickbird diharapkan mampu menjawab perbedaan informasi penggunaan/penutupan lahan tersebut.

1.2.Tujuan

Tujuan dari penelitian ini adalah:

1. Membandingkan kenampakan objek di citra Quickbird pankromatik, multispektral, dan fusi.

2. Membandingkan hasil pemetaan penggunaan/penutupan lahan dari citra Landsat dan fusi citra Quickbird.

3. Menganalisis ketelitian geometrik objek di fusi citra Quickbird dengan kondisi di lapang.

II. TINJAUAN PUSTAKA

2.1. Penginderaan Jauh

Penginderaan jauh adalah ilmu dan seni untuk memperoleh informasi tentang suatu objek, daerah, atau fenomena melalui analisis data yang diperoleh dengan suatu alat tanpa kontak langsung dengan objek, daerah, atau fenomena yang dikaji (Lillesand & Kiefer, 1999). Defenisi yang lain juga dikemukakan oleh Konecny (2003) yang mana penginderaan jauh adalah metode untuk memperoleh informasi dari objek yang jauh tanpa adanya kontak langsung. Dalam aplikasinya, teknologi penginderaan jauh menggunakan energi elektromagnetik seperti gelombang radio, cahaya, dan panas sebagai sarana untuk mendeteksi dan mengukur karakteristik objek atau target (Ho, 2009).

2.1.1. Citra Landsat

Landsat 1 adalah satelit pengamatan bumi pertama kali di dunia (EOS), yang diluncurkan oleh Amerika Serikat pada tahun 1972. Satelit ini memiliki kemampuan untuk mengamati bumi jauh dari ruang angkasa, dan merupakan salah satu perangkat terbaik dalam penginderaan jauh. Setelah Landsat 1, Landsat 2, 3, 4, 5, dan 7 diluncurkan, Landsat 7 saat ini dioperasikan sebagai satelit utama.

Landsat 5 dilengkapi dengan multispectral scanner (MSS) dan thematic mapper (TM). MSS adalah sensor optik yang didesain untuk mengamati radiasi matahari yang dipantulkan dari permukaan bumi dalam empat band spektral yang berbeda, dengan menggunakan kombinasi dari sistem optik dan sensor. TM adalah peralatan observasi canggih yang digunakan dalam MSS. Peralatan ini mengamati permukaan bumi di tujuh band spektral yang berkisar dari sinar tampak hingga inframerah termal.

Landsat 7 telah berhasil diluncurkan dari Pangkalan Angkatan Udara Vandenburg pada tanggal 15 April 1999. Satelit ini dilengkapi dengan instrumen Enhanced Thematic Mapper Plus (ETM+), penerus TM. Jumlah band dari Landsat 7 sama dengan Landsat 5 sebanyak tujuh band, tetapi pada Landsat 7 ditambahkan band 8 yaitu band pankromatik dengan resolusi 15 m.

Data Landsat telah digunakan oleh pemerintah, masyarakat komersial, industri, sipil, dan pendidikan di seluruh dunia. Data tersebut mendukung berbagai berbagai aplikasi dalam bidang-bidang seperti penelitian perubahan iklim global, pertanian, kehutanan, geologi, manajemen sumberdaya, geografi, pemetaan, hidrologi, dan oseanografi. Citra Landsat dapat digunakan dalam pemetaan perubahan antropogenik dan alamiah di bumi selama periode beberapa bulan sampai dua dekade. Jenis perubahan yang dapat diidentifikasi meliputi pembangunan pertanian, penggundulan hutan, bencana alam, urbanisasi, dan pengembangan dan degradasi sumber daya air (www.satimaging.com, diakses 13 Oktober 2011). Spesifikasi satelit dan karakteristik band citra Landsat 7 disajikan pada Tabel 1 dan 2.

Tabel 1. Spesifikasi Satelit Landsat 7

Tanggal diluncurkan 15 April 1999, di Pangkalan Angkatan Udara Vandenberg, California Resolusi Spasial 30 meter

Orbit 705 +/- 5 km (di atas khatulistiwa) sun-synchronous

Kecondongan Orbit 98,2 +/- 0,15 Periode Orbit 98.9 menit Resolusi Temporal 16 hari (233 orbit)

Resolusi 15 hingga 90 meter

Tabel 2. Karakteristik Band Citra Landsat 7

Band Rentang Resolusi Keterangan

Spektral (µ) Spasial (m)

1 0,450 - 0,515 30 Didesain untuk menembus badan air,

(biru-hijau) membedaan tanah dan vegetasi, serta

memetakan tipe hutan

(berganti daun/daun jarum)

2 0,525 - 0,605 30 Cocok untuk mengukur nilai reflektan

(hijau) hijau tertinggi pada vegetasi.

Direkomendasikan untuk membedakan

vegetasi dan vigor tanaman

3 0,630 - 0,690 30 Band ini dioperasikan untuk mengukur

(merah) daerah absorpsi klorofil. Baik untuk

mendeteksi jalan, tanah kosong, dan

tipe vegetasi

4 0,775 - 0,900 30 Band ini digunakan untuk mengestimasi

(inframerah dekat) biomassa. Walaupun band ini bisa

memisahkan badan air dari vegetasi dan

membedakan kelembaban tanah, tetapi

tidak efektif untuk identifikasi jalan pada

TM3

5 1,550 - 1,750 30 Band 5 dipertimbangkan sebagai band

(inframerah menengah) tunggal terbaik dari semua band. Band

ini bisa membedakan jalan, tanah kosong,

dan air. Band ini juga mendukung kontras

yang baik dalam membedakan tipe vegetasi

dan paling baik dalam menembus kabut

dan atmosfir

6 10,40 - 12,50 60 Band ini merespon radiasi termal yang

(inframerah termal) diemisikan oleh target. Radiasi termal

erat hubungannya dengan kelembaban

tanah dan temperatur vegetasi baik untuk

mengukur stress tanaman akibat panas

dan pemetaan termal

7 2,090 - 2,35 30 Band ini baik dalam membedakan tipe

(inframerah menengah) batuan dan mineral serta untuk interpretasi

tutupan vegetasi dan kelembaban tanah

8 0,520 - 0,900 15 Band ini diperuntukan untuk mempertinggi

(pankromatik) resolusi dan meningkatkan kemampuan

deteksi

Sumber: www.geocomm.com, diakses 13 Oktober 2011

2.1.2. Citra Quickbird

Quickbird adalah satelit resolusi tinggi dan dioperasikan oleh DigitalGlobe. Menggunakan sensor BGIS 2000, Quickbird mengumpulkan data citra dengan detail tingkat resolusi piksel sebesar 0,61 m. Satelit ini merupakan sumber data lingkungan yang berguna untuk analisis perubahan penggunaan lahan, pertanian, dan iklim hutan.

Gambar 2. Satelit Quickbird

Kemampuan pencitraan Quickbird juga dapat diterapkan pada sejumlah industri, termasuk eksplorasi dan produksi minyak dan gas, rekayasa dan konstruksi, serta studi lingkungan (www.satimaging.com, diakses 13 Oktober 2011). Karakteristik citra dan spesifikasi satelit Quickbird disajikan pada Tabel 3 dan 4.

Tabel 3. Karakteristik Citra Quickbird

Resolusi Pankromatik: 61 cm (nadir) sampai 72 cm (25° off-nadir) Multispektral: 2,44 m (nadir) sampai 2,88 m (25° off-nadir)

Band Citra

Pankromatik: 450 - 900 nm Biru: 450 - 520 nm

Hijau: 520 - 600 nm Merah: 630 - 690 nm

Inframerah Dekat: 760-900 nm

Tabel 4. Spesifikasi satelit Quickbird

Resolusi Pankromatik: 61 cm (nadir) sampai 72 cm (25° off-nadir) Multispektral: 2,44 m (nadir) sampai 2,88 m (25° off-nadir)

Band Citra

Pankromatik: 450 - 900 nm Biru: 450 - 520 nm

Hijau: 520 - 600 nm Merah: 630 - 690 nm

2.2. Fusi Citra

Fusi citra adalah proses dimana dua atau lebih gambar digabungkan menjadi satu gambar dengan mempertahankan fitur penting dari masing-masing gambar asli (Hill et al, 2002). Sedangkan menurut Liu dan Mason (2009), fusi citra adalah perpaduan citra komposit warna yang memiliki resolusi spasial lebih rendah dengan citra pankromatik yang memiliki resolusi lebih tinggi sehingga menghasilkan citra komposit warna beresolusi tinggi. Tujuan utama untuk fusi citra adalah untuk mengingkatkan kualitas informasi yang terkandung pada gambar output dalam proses yang dikenal sebagai sinergi. Sebuah studi dilakukan oleh Michell (2010) tentang teknik fusi citra dan aplikasi yang ada menunjukkan bahwa fusi citra dapat memberikan kita dengan gambar output dengan peningkatan kualitas. Dalam hal ini, manfaat dari fusi citra meliputi:

1. Memperluas jangkauan operasi

2. Memperpanjang cakupan spasial dan temporal 3. Mengurangi ketidakpastian

4. Meningkatkan kehandalan 5. Menguatkan kinerja sistem

6. Kompak dalam penyajian informasi

Ada tiga macam teknik yang digunakan untuk fusi citra yaitu: penggantian intensitas (melalui transformasi RGB-HIS), transformasi Brovey, dan SFIM.

2.3. Penggunaan/penutupan lahan

Penggunaan lahan dan penutupan lahan memiliki defenisi yang berbeda. Menurut Lillesand dan Kiefer (1999), istilah penutupan lahan berkaitan dengan jenis kenampakan yang ada di permukaan bumi. Sedangkan istilah penggunaan lahan berkaitan dengan kegiatan manusia pada bidang lahan tertentu. Konecny (2003) menyatakan bahwa penutupan lahan menggambarkan penampilan fisik dari permukaan bumi. Sementara itu, penggunaan lahan diartikan sebagai kategori lahan yang berhubungan dengan hak penggunaan tanah tersebut secara ekonomi.

2.4. Aplikasi Citra Landsat untuk Pemetaan Penggunaan/Penutupan Lahan

Parwati et al, (2004) menggunakan citra Landsat 7 ETM dengan resolusi spasial 30 x 30 m untuk memetakan penutupan lahan. Klasifikasi penutupan lahan dilakukan secara digital. Teknik klasifikasi yang digunakan adalah metode supervised. Langkah awal adalah membentuk training sample tersebut secara statistik. Dengan bantuan training sample tersebut dilakukan proses klasifikasi secara digital, dimana objek dengan nilai statistik terdekat dikelompokkan menjadi kelas sesuai dengan kelas training sample yang diambil.

Dalam penelitian Lisnawati dan Wibowo (2007), jenis penutupan lahan yang diidentifikasi dari citra Landsat dijadikan dasar untuk menginterpretasi jenis penggunaan lahan pada masing-masing penutupan lahan tersebut. Hasil penetapan jenis penggunaan lahan tersebut selanjutnya akan digunakan untuk mendeteksi perubahan penggunaan lahan. Proses interpretasi jenis penutupan lahan didasarkan pada kondisi lapangan yang diperoleh dari pengecekan lapang.

2.5. Aplikasi Citra Quickbird untuk Pemetaan Penggunaan/Penutupan Lahan

Venus (2008) mengklasifikasikan penutupan lahan di Kecamatan Rumpin, Kabupaten Bogor, dengan menggunakan citra Quickbird. Kecamatan Rumpin memiliki 19 kelas tipe penutupan lahan yang dapat diidentifikasi berdasarkan klasifikasi secara kualitatif (interpretasi visual) yaitu awan, bayangan awan, danau/empang, kebun campuran, perkebunan kelapa, padang rumput, pemukiman, industri/kantor/sekolah, rawa, sawah, semak belukar, sungai, tanah kosong, tegakan akasia, perkebunan karet, tegakan pulai, hutan, jalan, dan tanah rusak. Tetapi berdasarkan analisis secara kuantitatif (digital), Kecamatan Rumpin memiliki 10 tipe kelas penutupan lahan yaitu badan air, sawah, pemukiman, vegetasi lebat, kebun campuran, perkebunan, lahan terbuka, padang rumput, awan, dan bayangan awan.

Martono (2009) mengidentifikasi sebaran dan luas tata guna lahan dan jaringan jalan setiap Rukun Wilayah (RW) di Desa Cibatok, Bogor, menggunakan data penginderaan jauh Quickbird dan mengkaji keanekaragamannya berdasarkan perhitungan nilai Entropy. Perhitungan nilai Entropy dilakukan untuk dua jenis

fenomena yaitu penggunaan lahan dan jaringan jalan setiap RW. Semakin banyak jumlah peluang penggunaan lahan dan jaringan jalan dan semakin rata sebaran luas atau jenis pemanfaatannya, nilai Entropy semakin besar.

2.6. Akurasi Hasil Interpretasi Citra

Kebutuhan untuk menilai akurasi dari peta yang dihasilkan dari data penginderaan jauh, telah menjadi universal dan diakui sebagai komponen proyek yang tidak terpisahkan (Congalton, 2000). Dalam beberapa tahun terakhir, sebagian besar proyek membutuhkan tingkat akurasi tertentu yang dicapai untuk proyek dan peta yang dianggap akan sukses. Dengan mempekerjakan data penginderaan jauh sebagai lapisan aplikasi luas dari sistem informasi geografis (SIG), kebutuhan untuk penilaian semacam itu telah menjadi penting bahkan lebih kritis. Ada sejumlah alasan mengapa penilaian ini sangat penting, termasuk:

Kebutuhan untuk melakukan evaluasi diri dan belajar dari kesalahan Anda Kemampuan untuk membandingkan metode / algoritma / analis kuantitatif Keinginan untuk menggunakan peta yang dihasilkan / informasi spasial dalam beberapa proses pengambilan keputusan

Martono (2008) berkesimpulan bahwa penggunaan metode analisis digital citra satelit “Hybrid (Supervised) Classification” untuk mendeteksi penyebaran lahan sawah dan penggunaan/penutupan lahan telah menghasilkan tingkat ketelitian (accuracy) analisis yang tertinggi karena dalam analisis dan klasifikasi citra tersebut telah mempertimbangkan masukan keterpisahan nilai spektral dan data informasi lapangan (hybrid classification). Informasi baku tentang tingkat ketelitian/kebenaran hasil analisis data digital ini sangat penting dan berguna bagi pemanfaatan data dan aplikasi bagi pengguna.

Menurut Wibowo (2010), ketelitian klasifikasi adalah ketepatan dan keakuratan peta dalam pendeteksian dan pengidentifikasian suatu objek. Perhitungan ketelitian klasifikasi peta tutupan lahan dilakukan dengan menghitung nilai kappa dari matriks konfusi dengan menggunakan data inspeksi lapangan (ground truth) sebagai referensi validasi. Adapun perancangan matriks konfusi adalah dengan cara membuat tabulasi silang (crosstab) antara data hasil

interpretasi (data peta tutupan lahan) dengan data sebenarnya (data inspeksi lapangan. Nilai kappa adalah tingkat ketelitian dari suatu klasifikasi.

2.7. Regresi Linier Sederhana

Analisis regresi merupakan salah satu uji statistika yang memiliki dua jenis pilihan model yaitu linear dan non linear. Model linear memiliki dua sifat yaitu regresi sederhana dan regresi berganda dengan kurva yang dihasilkan membentuk garis lurus, sedangkan untuk model non linear dalam parameternya bersifat kuadratik dan kubik dengan kurva yang dihasilkan membentuk garis lengkung (Yusnandar,2004).

Analisis regresi merupakan sebuah alat statistik yang memberikan penjelasan tentang pola hubungan (model) antara dua variabel atau lebih (Draper & Smith, 1992). Dalam analisis regresi, dikenal dua jenis variabel yaitu:

Variabel respon disebut juga variabel dependent yaitu variabel yang keberadaannya dipengaruhi oleh variabel lainnya dan dinotasikan dengan Y

Variabel prediktor disebut juga variabel independent yaitu variabel yang bebas (tidak dipengaruhi oleh variabel lainnya) dan dinotasikan dengan X

III. METODE PENELITIAN

3.1. Lokasi dan Waktu Penelitian

Lokasi penelitian terletak di Daerah Aliran Sungai (DAS) Ciliwung, Cisarua, Kabupaten Bogor, Jawa Barat. Penelitian berlangsung dari bulan Maret 2010 sampai dengan Bulan Mei 2011. Pengolahan data dan citra dilakukan di Laboratorium Bagian Penginderaan Jauh dan Informasi Spasial, Departemen Ilmu Tanah dan Sumberdaya Lahan, Fakultas Pertanian, Institut Pertanian Bogor. Peta lokasi penelitian disajikan pada Gambar 3.

Gambar 3. Peta Lokasi Penelitian

3.2. Bahan dan Alat

Bahan dan alat yang digunakan dalam penelitian ini masing-masing disajikan pada Tabel 5 dan 6.

Tabel 5. Bahan yang Digunakan Dalam Penelitian

No. Data Sumber Fungsi

1 Citra Landsat tahun 2006 http://glovis.usgs.gov/ Data primer

2 Citra Quickbird tahun 2006 Data primer

3

Peta Rupa Bumi (RBI) skala 1:25.000 lembar Ciawi (1209-141) dan lembar Cisarua (1209-142)

BAKOSURTANAL Data sekunder

4 Peta batas daerah penelitian Janudianto, 2004 Data sekunder

5 Peta penggunaan/penutupan lahan Janudianto, 2004 Data sekunder

Tabel 6. Alat dan Perangkat Lunak yang Digunakan dalam Penelitian

No. Alat dan perangkat lunak Fungsi

1 ArcView 3.3 dan ArcGIS 9.3 Analisis data spasial berbasis

Sistem Informasi Geografis (SIG)

2 ENVI 4.4, ErMapper 6.4, dan

ERDAS IMAGINE 9.1

Analisis citra (Fusi dan Mosaik)

3 Frame and Fill IDL 7.0 Menghilangkan stripping pada citra

Landsat ETM+

4 Microsoft Excel Editing data atribut dan analisis statistik

5 Global PositioningSystem (GPS) Menentukan titik plot objek survei lapang

6 Meteran/pita ukur Mengukur panjang dan lebar objek

3.3. Metode Penelitian

Metode penelitian terbagi dalam tiga tahap yaitu persiapan, pengumpulan data, dan analisis data. Tahap persiapan meliputi pengunduhan citra Landsat dan penyediaan citra Quickbird yang telah terkoreksi dengan peta RBI. Matching dilakukan untuk menyamakan batas wilayah antara kedua citra.

Pengumpulan data terbagi menjadi pengumpulan data primer dan pengumpulan data sekunder. Tahap pengumpulan data primer meliputi pengecekan lapang dan pengukuran objek. Pengecekan lapang bertujuan untuk mengecek kebenaran hasil interpretasi dan menambah informasi yang tidak dapat diperoleh dari citra. Pengukuran objek dilakukan pada objek yang nampak jelas pada citra. Adapun objek-objek di lapangan tersebut adalah panjang jalan, lebar jalan, panjang jembatan, dan lebar jembatan. Sedangkan, pengumpulan data sekunder meliputi peta RBI daerah penelitian (lembar Cisarua dan Ciawi) serta peta batas wilayah penelitian dari penelitian sebelumnya (Janudianto, 2004). Metode penelitian digambarkan pada Gambar 4.

Citra Landsat terkoreksi Citra Quickbird terkoreksi Matching Interpretasi penggunaan/ penutupan lahan Peta penggunaan/ penutupan lahan sementara (Landsat) Peta penggunaan/ penutupan lahan sementara (Quickbird) Pengecekan lapang Analisis penggunaan/ penutupan lahan pada citra Landsat dan citra

Quickbird Peta penggunaan/ penutupan lahan akhir (Landsat) Peta penggunaan/ penutupan lahan akhir (Quickbird) Fusi Brovey Pengukuran objek

Analisis regresi pengukuran objek pada citra Quickbird dengan pengukuran objek

di lapang Perhitungan overall

accuracy dan nilai Kappa

Overlay

Gambar 4. Diagram Alir Penelitian

3.3.1. Identifikasi Kenampakan Objek pada Fusi Citra Quickbird

Fusi citra Quickbird antara pankromatik dan multispektral dilakukan dengan teknik Brovey. Fusi citra ini bertujuan untuk menghasilkan citra gabungan yang memiliki kombinasi Red Green Blue (RGB) beresolusi spasial tinggi. Dalam penelitian ini, fusi citra hanya dilakukan pada citra Quickbird karena ketersediaan data yang ada. Adapun rumus Brovey yang digunakan adalah:

Sumber: http://www.geol.hu/data/online_help/UsingCNSpectralSharpening.html, diakses 25

3.3.2. Interpretasi Visual Penggunaan/Penutupan Lahan dari Citra Landsat dan Citra Quickbird

Interpretasi visual penggunaan/penutupan lahan dari citra Landsat dan citra Quickbird dilakukan dengan pendekatan unsur-unsur interpretasi (Lillesand & Kiefer, 1999), yaitu:

1. Bentuk; adalah konfigurasi atau kerangka suatu objek. Bentuk beberapa objek demikian mencirikan sehingga citranya dapat diidentifikasi langsung hanya berdasarkan kriteria ini.

2. Ukuran; objek pada foto udara harus dipertimbangkan sehubungan dengan skala foto.

3. Pola; adalah hubungan susunan spasial objek. Pengulangan bentuk umum tertentu atau hubungan merupakan karakteristik bagi banyak objek alamiah maupun bangunan, dan akan memberikan suatu pola yang membantu penafsir untuk mengenali objek tersebut.

4. Bayangan; penting bagi penafsir dalam dua hal bertentangan, yaitu: (a) bentuk atau kerangka bayangan dapat memberikan gambaran profil suatu objek (dapat membantu interpretasi), dan (b) objek dibawah bayangan hanya dapat memantulkan sedikit cahaya dan sukar diamati pada foto (menghalangi interpretasi).

5. Rona; adalah warna atau kecerahan relatif objek pada foto. Tanpa perbedaan rona, bentuk, pola, dan tekstur, suatu objek tidak dapat diamati. 6. Tekstur; adalah frekuensi perubahan rona pada citra fotografi. Tekstur

merupakan hasil gabungan dari bentuk, ukuran, pola, bayangan, dan rona. 7. Situs; atau lokasi objek dalam hubungannya dengan objek yang lain, dapat

berguna untuk membantu pengenalan suatu objek.

Hasil dari interpretasi tersebut menghasilkan peta penggunaan/penutupan lahan citra Landsat dan peta penggunaan/penutupan lahan citra Quickbird yang berbeda tingkat kedetilannya. Hasil dari interpretasi ini didukung dengan data pengecekan lapang.

3.3.3. Uji Ketelitian Interpretasi

Uji ketelitian hasil interpretasi dilakukan dengan membandingkan hasil interpretasi dari citra Quickbird dengan kondisi di lapang. Pengecekan lapang diperlukan untuk menghitung nilai overall accuracy dan nilai kappa dari interpretasi citra Quickbird. Tujuan dari menghitung nilai overall accuracy dan nilai kappa adalah untuk menguji kualitas klasifikasi. Rumus dari overall accuracy adalah:

keterangan:

O = nilai overall accuracy ∑ A =total ketepatan klasifikasi

∑ B = jumlah klasifikasi

Adapun rumus untuk menghitung nilai kappa menurut persamaan Jensen (1986) adalah:

keterangan:

N = jumlah data pengamatan

= total kolom ke ii

3.3.4. Perbandingan Jumlah Poligon dan Luas Masing-Masing Penggunaan/Penutupan Lahan

Berdasarkan hasil interpretasi visual yang didukung dengan pengecekan lapang diperoleh perbedaan jumlah poligon dan luas dari masing-masing penggunaan/penutupan lahan yang bersumber dari citra Landsat dan citra Quickbird. Jumlah poligon dapat menggambarkan kedetailan hasil interpretasi pada citra Landsat dan citra Quickbird, sedangkan luas dapat memberikan dominansi informasi tipe penggunaan/penutupan lahan dari citra Landsat dan citra Quickbird.

3.3.5. Konsistensi Tipe Penggunaan/Penutupan Lahan

Konsistensi ini bertujuan untuk mengetahui kekonsistenan tipe penggunaan/penutupan lahan dari citra Landsat dan citra Quickbird pada suatu lokasi. Teknik pengambilan sampel dilakukan secara sistematik pada setiap tipe penggunaan/penutupan lahan yang mengacu pada persebaran poligon dengan ukuran yang berbeda. Dalam hal ini ukuran poligon ditentukan berdasarkan pada luas maksimal (L), luas rata-rata (M), dan luas terkecil (S). Sebagai contoh, sistematik pengambilan sampel salah satu penggunaan/penutupan lahan (kebun campuran) disajikan pada Gambar 5.

Gambar 5. Sistematik Pengambilan Sampel pada Penggunaan/Penutupan Lahan Kebun Campuran

Tingkat konsistensi tipe penggunaan/penutupan lahan dapat diketahui dari persentase luas penggunaan/penutupan lahan yang dominan pada masing-masing klasifikasi di setiap ukuran poligon. Lebih lengkapnya disajikan pada Tabel 7.

Tabel 7. Tingkat konsistensi tipe penggunaan/penutupan lahan

No Kelas Rentang Persentase (%)

1 Tidak Konsisten (TK) 0 - 25%

2 Agak Konsisten (AK) 25 - 50%

3 Konsisten (K) 50 - 75%

4 Sangat Konsisten (SK) 75 - 100%

3.3.6. Tingkat Kedetailan Penggunaan/Penutupan Lahan

Tingkat kedetailan penggunaan/penutupan lahan mengacu pada sistem klasifikasi United States Geological Survey (USGS). Penyusunan sistem multitingkat dilakukan karena tingkat kerincian data dapat diperoleh dari hasil penginderaan jauh yang berbeda bergantung pada sistem sensor dan resolusi citranya (Lillesand & Kiefer, 1999). Sistem ini membagi tingkatan klasifikasi penggunaan/penutupan lahan menjadi 4 tingkatan (tingkat I, II, III, dan tingkat IV). Tingkat I dan II ditetapkan oleh USGS. Sedangkan untuk tingkat III dan IV ditetapkan oleh pengguna lokal berdasarkan sistem USGS, mengingat bahwa kategori pada tiap tingkat harus dapat dikelompokkan ke dalam kategori pada tingkat yang lebih tinggi (Anderson et al, 1976). Pembagian level klasifikasi penggunaan/penutupan lahan disajikan pada Tabel 8.

Tabel 8. Sistem Klasifikasi Penggunaan/Penutupan Lahan untuk digunakan dengan Data Penginderaan Jauh

No. Tingkat 1 Tingkat 2

1 Perkotaan atau Lahan

Bangunan 1.1. Pemukiman

1.2. Perdagangan dan Jasa 1.3. Industri

1.4. Transportasi, Komunikasi, dan Umum 1.5. Kompleks Industri dan Perdagangan 1.6. Perkotaan Campuran atau Lahan Bangunan 1.7. Perkotaan atau Lahan Bangunan Lainnya

2 Lahan Pertanian 2.1. Tanaman Semusim dan Padang Rumput

2.2. Daerah Buah-buahan, Jeruk, Anggur, Labu Bibit, dan Tanaman Hias

2.3. Tempat Pengembalaan Terkurung 2.4. Lahan Pertanian Lainnya 2.5. Lahan Tanaman Obat

3 Lahan peternakan 3.1. Lahan Peternakan Semak dan Belukar 3.2. Lahan Peternakan Campuran

4 Lahan hutan 4.1. Lahan Hutan Gugur Daun Musiman

4.2. Lahan Hutan Selalu Hijau 4.3. Lahan Hutan Campuran

5 Air 5.1. Sungai dan Kanal

5.2. Danau 5.3. Waduk

5.4. Teluk dan Muara

6 Lahan Basah 6.1. Lahan Hutan Basah

6.2. Lahan Basah Bukan Hutan

7 Lahan Gundul 7.1. Dataran Garam Kering

7.2. Gisik

7.3. Daerah Berpasir Selain Gisik 7.4. Batuan Singkapan Gundul

7.5. Tambang Terbuka, Pertambangan, dan Tambang Kerikil 7.6. Daerah Peralihan

7.7. Lahan Gundul Campuran

8 Padang Lumut 8.1. Padang Lumut Semak Belukar

8.2. Padang Lumut Tumbuhan Obat 8.3. Padang Lumut Lahan Gundul 8.4. Padang Lumut Basah 8.5. Padang Lumut Campuran 9 Es atau Salju Abadi 9.1. Lapangan Salju Abadi

9.2. Glasier

3.3.7. Analisis Regresi Pengukuran Objek pada Citra Quickbird dengan Pengukuran Objek di Lapang

Pada pengecekan lapang dilakukan juga pengambilan data pengukuran objek dengan menggunakan meteran/pita ukur. Objek yang diukur berupa lebar jalan, lebar jembatan dan panjang jembatan. Hasil pengukuran objek tersebut dihubungkan dengan pengukuran objek yang sama pada citra untuk dihitung nilai regresi linier sederhananya. Rumusnya adalah sebagai berikut:

Y = a + bX keterangan:

Y = peubah tak bebas (pengukuran objek di lapang) X = peubah bebas (pengukuran objek di citra) a = konstanta

IV. HASIL DAN PEMBAHASAN

4.1. Fusi pada Citra Quickbird

Analisis visual kenampakan objek pada citra pankromatik, citra multispektral, dan citra fusi disajikan pada Gambar 6 dan Tabel 9.

Objek Pankromatik Multispektral Fusi

Pemukiman

Sawah

Hutan

Tegalan

Kebun campuran

Tanah kosong

Objek Pankromatik Multispektral Fusi

Kebun teh 2

Jalan raya

Rumput

Kebun teh 1

Sungai

Gambar 6. Kenampakan Objek Citra Quickbird pada Citra Pankromatik, Citra Multispektral, dan Citra Fusi

Tabel 9. Tabel kenampakan objek pada citra pankromatik, citra multispektral, dan citra fusi

Objek Pankromatik Multispektral Fusi

Pemukiman VV VV VVV

Sawah VV VV VVV

Hutan VV VV VVV

Tegalan VV V VVV

Kebun campuran VV V VVV

Tanah kosong V VV VVV

Badan air VV VV VVV

Kebun teh 2 V VV VVV

Jalan raya VV V VVV

Rumput V VV VVV

Kebun teh V VV VVV

Sungai VV V VVV

Pada Gambar 6 dan Tabel 9 menunjukkan bahwa kenampakan objek pada citra fusi sangat jelas untuk semua objek yang diidentifikasi. Hal ini terjadi karena kombinasi citra pankromatik dan multispektral menghasilkan citra fusi yang memberikan kenampakan objek yang berwarna dengan resolusi spasial yang lebih tinggi. Secara teori, mata manusia dapat membedakan tingkat warna lebih banyak daripada membedakannya dalam bentuk tingkat keabuan. Interpretasi pada citra pankromatik jelas tampak pada gambar, namun hanya memiliki tingkat keabuan saja. Sehingga identifikasi objek mengalami kendala dalam menentukan jenis objek yang terdapat pada citra dari segi rona. Sedangkan interpretasi pada citra multispektral cukup jelas tampak pada citra. Meskipun citra multispektral memiliki keunggulan pada tingkat warna, namun memiliki kelemahan dari segi ukuran. Lebih jelasnya, citra multispektral memiliki resolusi spektral yang lebih rendah dibandingkan dengan citra pankromatik.

Persentase kenampakan sangat jelas (VVV) pada citra fusi mencapai 100%. Hal ini menunjukkan bahwa interpretasi objek lebih mudah dilakukan pada citra fusi. Sedangkan pada citra pankromatik dan citra multispektral, kemudahan interpretasi termasuk ke dalam kategori jelas (VV) dan cukup jelas (V) masing-masing sebesar 67% dan 33% (Tabel 10). Persentase kenampakan pada citra pankromatik, citra multispektral, dan citra fusi disajikan pada Tabel 10.

Tabel 10. Persentase kenampakan pada citra pankromatik, citra multispektral, dan citra fusi

Kenampakan objek Pankromatik Multispektral Fusi

V 33% 33% 0%

VV 67% 67% 0%

VVV 0% 0% 100%

4.2. Interpretasi Penggunaan/Penutupan Lahan pada Citra Landsat dan Citra Quickbird

Tipe penggunaan/penutupan lahan yang diinterpretasi dari citra Landsat dan citra Quickbird berjumlah masing-masing 8 dan 12 klasifikasi. Adapun karakteristik masing-masing tipe penggunaan/penutupan lahan citra dan di lapang diuraikan sebagai berikut.

Pemukiman pada citra Landsat memiliki bentuk yang menyerupai bidang datar dengan pola mengelompok dan memanjang di pinggir jalan dan sungai. Umumnya bertekstur halus dan berwarna merah keungu-unguan. Pemukiman pada citra Quickbird tergambar jelas, baik letak, jarak, susunan, dan kondisinya. Kepadatan pemukiman juga terlihat jelas terutama di wilayah yang datar. Tekstur pemukiman pada citra tergolong agak kasar serta warnanya yang tergantung dari jenis atap yang digunakan. Di lapangan, pemukiman meliputi tempat tinggal, pertokoan, perkantoran, rumah ibadah, serta pabrik.

Sawah pada citra Landsat bertekstur halus serta berwarna hijau muda, magenta dan biru. Polanya mengelompok terutama di daerah yang memiliki pasokan air irigasi yang cukup. Sedangkan sawah pada citra Quickbird lebih mudah dikenali karena petakan, saluran irigasi, dan teras sawah terlihat jelas. Tekstur dan warna kenampakannya beragam tergantung dari kondisi sawah dan fase perkembangan tanaman padi. Di lapangan, sawah meliputi sawah irigasi dan sawah tadah hujan.

Tegalan pada citra Landsat didominasi oleh warna magenta dengan campuran hijau, putih dan kuning. Bertekstur agak kasar serta berpola mengelompok berdampingan dengan penggunaan/penutupan lahan yang lain seperti sawah, pemukiman, dan kebun campuran. Pada citra Quickbird, tegalan memiliki tekstur dan pola yang sama dengan citra Landsat. Warna tegalan pun tergantung pada kondisi tanaman yang dibudidayakan. Di lapangan, tegalan dominan ditanami oleh tanaman palawija dan tanaman hortikultura.

Kebun campuran berwarna hijau bercampur magenta pada citra Landsat. Bertekstur kasar serta berpola menyebar dan bercampur dengan penutupan/penggunaan lahan lainnya. Pada citra Quickbird, kebun campuran berwarna hijau dan polanya menyebar lebih merata dibandingkan pada citra Landsat. Teksturnya kasar serta ukuran tajuk pohon terlihat jelas pada citra. Di lapangan, kebun campuran umumnya berbentuk wanatani (agroforestri).

Hutan pada citra Landsat berwarna hijau gelap serta bertekstur kasar. Polanya mengelompok dan terletak di daerah dataran tinggi dan pegunungan. Igir-igir yang terdapat di sekitar Daerah Aliran Sungai (DAS) dapat dilihat dengan jelas. Sedangkan hutan pada citra Quickbird bertekstur kasar karena ukuran dan

jarak tajuk yang terlihat jelas. Kenampakan pola dan warna hutan pada citra Quickbird sama dengan yang ada pada citra Landsat. Di lapangan, hutan terdapat di sekitar kaki gunung dan daerah reservoir.

Kebun teh pada citra Landsat bertekstur halus, berpola mengelompok, serta berwarna hijau muda dan magenta. Terletak di dataran tinggi dan bersebelahan dengan penutupan/penggunaan lahan yang lainnya seperti hutan, kebun campuran dan pemukiman. Pada citra Quickbird, kebun teh bertekstur agak kasar, berwarna hijau muda dan berpola mengelompok. Kondisi perkembangan tanaman teh dapat terlihat jelas. Di lapangan, kebun teh terletak di dataran tinggi dan sekitar lereng pegunungan.

Tanah kosong terlihat berwarna merah dan ungu pada citra Landsat. Teskturnya halus dan memiliki pola mengelompok. Terletak diantara penutupan/penggunaan yang lain seperti hutan dan kebun teh. Pada citra Quickbird, lahan terbuka terlihat berwarna kuning kecoklatan dan bertekstur halus. Berpola menyebar dan hampir merata di sepanjang daerah penelitian. Di lapangan, tanah lapang dikategorikan ke tanah kosong.

Badan air pada citra Landsat berwarna biru dan bertekstur halus serta mempunyai pola menyebar terutama di daerah cekungan. Sedangkan pada citra Quickbird, badan air bertekstur halus, berwarna hitam, dan memiliki pola yang sama dengan citra Landsat. Badan air di lapangan berupa situ dan kolam.

Selain penutupan/penggunaan lahan yang telah dijelaskan diatas, ada beberapa penutupan/penggunaan lahan yang tidak teridentifikasi pada citra Landsat, tetapi dapat diinterpretasi pada citra Quickbird. Penutupan/penggunaan lahan tersebut antara lain rumput, sungai, jalan raya, serta kebun teh 2.

Rumput pada citra Quickbird berwarna hijau, bertekstur halus, serta berpola menyebar. Sebagian rumput ada yang ditanam, sebagian lagi merupakan rumput alami (tanpa campur tangan manusia). Di lapangan, rumput meliputi rumput budidaya (ditanami) dan rumput alami.

Sungai memiliki tekstur yang halus, berwarna hitam, serta berpola memanjang dan berkelok-kelok (meander) pada citra Quickbird. Sungai di lapangan terdiri dari sungai induk dan anak sungai.

Jalan raya pada citra Quickbird bertekstur agak halus dan berwarna abu-abu. Polanya pun umumnya memanjang, akan tetapi sebagian ada yang lurus dan ada yang berkelok-kelok tergantung pada kondisi geomorfologi medan. Di lapangan, jalan raya dibagi menjadi jalan tol, jalan lokal, dan jalan kecamatan.

Kebun teh 2 yang terdapat pada citra Quickbird merupakan istilah yang digunakan untuk kenampakan kebun teh yang sedang mengalami masa pemangkasan. Memiliki tekstur yang agak kasar serta warna yang hijau agak kecokelatan. Polanya pun mengelompok dan berada tidak jauh dari kebun teh. Di lapangan, kebun teh 2 mengalami pergantian pemotongan secara berkala.

Contoh kenampakan objek pada citra Landsat, Quickbird dan lapang disajikan pada Gambar 7.

Interpretasi Landsat Quickbird Lapang

Badan Air

Hutan

Kebun campuran

Kebun teh 1

Interpretasi Landsat Quickbird Lapang

Sawah

Tanah kosong

Tegalan

Jalan raya

Sungai

Rumput

Kebun teh 2

Gambar 7. Contoh Kenampakan Objek Pada Citra Landsat, Quickbird, dan Lapang

4.3. Akurasi Hasil Interpretasi Penggunaan/Penutupan Lahan dari Citra Quickbird

Tabel nilai overall accuracy dan kappa dari citra Quickbird, masing-masing disajikan pada Tabel 11 dan Tabel 12

Tabel 11. Nilai overall accuracy dari citra Quickbird

KK

KS

To UA Kc Sw Tg Pm Ht Kt 1 Rm Tk Sg Jr Kt 2 Ba

Kc 14 0 1 0 0 0 0 0 0 0 0 0 15 93%

Sw 0 8 1 0 0 0 0 0 0 0 0 0 9 89%

Tg 1 0 3 0 0 0 0 1 0 0 0 0 5 60%

Pm 1 0 0 40 0 0 0 0 0 0 0 0 41 98%

Ht 0 0 0 0 3 0 0 0 0 0 0 0 3 100%

Kt 1 0 0 0 0 0 1 0 0 0 0 0 0 1 100%

Rm 0 0 0 0 0 0 6 0 0 0 0 0 6 100%

Tk 0 0 1 0 0 0 2 8 0 0 0 1 12 67%

Sg 0 0 0 0 0 0 0 0 2 0 0 0 2 100%

Jr 0 0 0 0 0 0 0 0 0 4 0 0 4 100%

Kt 2 0 0 0 0 0 0 0 0 0 0 1 0 1 100%

Ba 0 0 0 0 0 0 0 0 0 0 0 1 1 100%

To 16 8 6 40 3 1 8 9 2 4 1 2 100

PA 88% 100% 50% 100% 100% 100% 75% 89% 100% 100% 100% 50%

Keterangan:

KK = Kategori Klasifikasi Tk = Tanah kosong KS = Klasifikasi Sebenarnya Sg = Sungai

Kc = Kebun campuran Jr = Jalan raya

Sw = Sawah Kt 2 = Kebun teh 2

Tg = Tegalan Ba = Badan air

Pm = Pemukiman To = Total

Ht = Hutan PA = Producer’s Accuracy

Kt 1 = Kebun teh 1 UA = User’s Accuracy

Tabel 12. Nilai kappa dari citra Quickbird

KK

KS

To UA Kc Sw Tg Pm Ht Kt 1 Rm Tk Sg Jr Kt 2 Ba

Kc 14 0 1 0 0 0 0 0 0 0 0 0 15 93%

Sw 0 8 1 0 0 0 0 0 0 0 0 0 9 89%

Tg 1 0 3 0 0 0 0 1 0 0 0 0 5 60%

Pm 1 0 0 40 0 0 0 0 0 0 0 0 41 98%

Ht 0 0 0 0 3 0 0 0 0 0 0 0 3 100%

Kt 1 0 0 0 0 0 1 0 0 0 0 0 0 1 100%

Rm 0 0 0 0 0 0 6 0 0 0 0 0 6 100%

Tk 0 0 1 0 0 0 2 8 0 0 0 1 12 67%

Sg 0 0 0 0 0 0 0 0 2 0 0 0 2 100%

Jr 0 0 0 0 0 0 0 0 0 4 0 0 4 100%

Kt 2 0 0 0 0 0 0 0 0 0 0 1 0 1 100%

Ba 0 0 0 0 0 0 0 0 0 0 0 1 1 100%

To 16 8 6 40 3 1 8 9 2 4 1 2 100

PA 88% 100% 50% 100% 100% 100% 75% 89% 100% 100% 100% 50%

Keterangan:

KK = Kategori Klasifikasi Tk = Tanah kosong KS = Klasifikasi Sebenarnya Sg = Sungai

Kc = Kebun campuran Jr = Jalan raya

Sw = Sawah Kt 2 = Kebun teh 2

Tg = Tegalan Ba = Badan air

Pm = Pemukiman To = Total

Ht = Hutan PA = Producer’s Accuracy

Kt 1 = Kebun teh 1 UA = User’s Accuracy

Rm = Rumput

Pada Tabel 11 menunjukkan nilai overall accuracy pada interpretasi citra Quickbird sebesar 91%, berarti secara keseluruhan persentase kebenaran nilai piksel yang diklasifikan dianggap tepat. Dan pada Tabel 12 menunjukkan nilai

kappa pada interpretasi citra Quickbird sebesar 0,89, berarti interpretasi penggunaan/penutupan lahan pada citra Quickbird dianggap teliti.

Perbedaan nilai overall accuracy dengan nilai kappa disebabkan oleh persamaan matematika yang digunakan dalam masing-masing rumus. Dapat dilihat pada Tabel 11, perhitungan nilai overall accuracy hanya melibatkan total klasifikasi (kuning) dan jumlah kolom ketepatan klasifikasi (biru). Hal ini menyebabkan angka faktor pembilang lebih besar pada perhitungan nilai overall accuracy. Sedangkan pada Tabel 12 menunjukkan perhitungan nilai kappa tidak hanya melibatkan total klasifikasi dan jumlah ketepatan klasifikasi. Namun, total klasifikasi pada kategori klasifikasi dan klasifikasi sebenarnya juga diikut sertakan dalam proses perhitungan. Sehingga angka faktor pembilang pada nilai kappa lebih kecil dibandingkan dengan angka faktor pembilang nilai overall accuracy.

4.4. Perbandingan Keluaran (Output) dari Interpretasi melalui Citra Landsat dan Citra Quickbird

Dari hasil interpretasi visual dari citra Landsat dan citra Quickbird, diperoleh peta penggunaan/penutupan lahan citra Landsat (Gambar 8) dan peta penggunaan/penutupan lahan citra Quickbird (Gambar 9). Masing-masing peta penggunaan/penutupan lahan dilengkapi data luas, persentase, dan jumlah poligon yang akan dibandingkan keluarannya (output) dari citra Landsat dan citra Quickbird.

Gambar 8. Peta Penggunaan/Penutupan Lahan Daerah Aliran Sungai (DAS) Ciliwung Hulu (Landsat)

Gambar 9. Peta Penggunaan/Penutupan Lahan Daerah Aliran Sungai (DAS) Ciliwung Hulu (Quickbird)

4.4.1. Luas dan Jumlah Poligon dari Masing-Masing Penggunaan/Penutupan Lahan dari Citra Landsat dan Citra Quickbird

Jumlah kelas penggunaan/penutupan lahan dari citra Landsat dan citra Quickbird masing 8 kelas dan 11 kelas. Juga dengan luas dari masing-masing kelas berbeda seperti yang disajikan pada Tabel 13.

Tabel 13. Perbandingan jumlah kelas dan luas masing-masing penggunaan/penutupan lahan

No

Citra Landsat Citra Quickbird

Tipe LU/LC Luas Tipe LU/LC Luas

(Ha) (%) (Ha) (%)

1 Pemukiman 1601.30 23.75 Pemukiman 1010.73 14.99

2 Sawah 1525.65 22.63 Sawah 1260.08 18.69

3 Tegalan 1296.13 19.22 Tegalan 1232.97 18.29

4 Kebun

Campuran 1145.40 16.99

Kebun

Campuran 1789.79 26.55

5 Hutan 863.31 12.80 Hutan 773.43 11.47

6 Kebun Teh 295.18 4.38 Kebun Teh 265.82 3.94

7 Tanah Kosong 12.94 0.19 Tanah Kosong 109.15 1.62

8 Badan Air 2.43 0.04 Badan Air 2.79 0.04

9 Rumput 209.54 3.11

10 Sungai 49.91 0.74

11 Jalan Raya 38.17 0.57

Total 6742.34 100.00 Total 6742.39 100.00

Pada Tabel 13 menunjukkan perbedaan jumlah klasifikasi antara citra Landsat dan citra Quickbird terjadi karena informasi penggunaan/penutupan lahan pada citra Quickbird lebih detail jika dibandingkan dengan citra Landsat. Salah satu faktor yang menyebabkan perbedaan ini adalah nilai resolusi spasial yang berlainan.

Perbedaan luas yang terjadi pada beberapa poligon yang sama disebabkan karena detail lekukan dalam digitasi. Dapat kita lihat pada Tabel 13, luas poligon yang dominan pada citra Landsat adalah pemukiman (1601,30 ha). Sedangkan pada citra Quickbird, luas poligon yang dominan adalah kebun campuran (1789,79 ha).

Perbedaan jumlah poligon citra Landsat dengan citra Quickbird terjadi karena pengaruh resolusi spasial, skala, dan unsur interpretasi. Sebagai contoh, pemukiman pada citra Landsat terlihat menyatu sehingga batas antara pemukiman yang satu dengan yang lain tidak terlihat. Sedangkan pada citra Quickbird, pemukiman dapat diinterpretasi baik struktur dan bentuknya karena batas pemukiman terlihat jelas. Hal ini lah yang mengakibatkan jumlah poligon pada citra Quickbird lebih banyak jika dibandingkan dengan citra Landsat.

Tingkat kedetailan informasi penggunaan/penutupan lahan dapat diperoleh dari jumlah poligon disajikan pada Tabel 14.

Tabel 14. Jumlah dan persentase poligon pada citra Landsat dan citra Quickbird No.

Citra Landsat Citra Quickbird

Tipe LU/LC ∑

Poligon % Tipe LU/LC

∑

Poligon %

1 Badan Air 2 3.39 Badan Air 22 0.23

2 Hutan 6 10.17 Hutan 21 0.22

3 Kebun

Campuran 11 18.64

Kebun

Campuran 2114 21.75

4 Kebun Teh 3 5.08 Kebun Teh 1 7 0.07

5 Pemukiman 15 25.42 Pemukiman 4114 42.32

6 Sawah 15 25.42 Sawah 562 5.78

7 Tanah Kosong 1 1.69 Tanah Kosong 699 7.19

8 Tegalan 6 10.17 Tegalan 1127 11.59

9 Rumput 1045 10.75

10 Sungai 6 0.06

11 Jalan Raya 3 0.03

12 Kebun Teh 2 1 0.01

Total 59 100.00 Total 9721 100.00

4.4.2. Konsistensi Tipe Penggunaan/Penutupan Lahan yang Bersumber dari Citra Landsat dan Citra Quickbird

Pada Tabel 15 menunjukkan bahwa tiga poligon hutan di citra Landsat terdiri dari tujuh kelas penggunaan/penutupan lahan dari citra Quickbird yaitu hutan, kebun teh 1, tegalan, sawah, kebun campuran, pemukiman, dan tanah kosong. Penggunaan/penutupan lahan hutan pada citra Landsat di ketiga ukuran poligon (L, M, S) didominasi oleh penggunaan/penutupan lahan hutan pada citra Quickbird masing-masing sebesar 92,63%, 84,13%, dan 98,35%. Hal ini menunjukkan bahwa tingkat konsistensi penggunaan/penutupan lahan hutan

antara citra Landsat dan Quickbird termasuk dalam kategori sangat konsisten. Faktor yang mempengaruhi tingkat konsistensi ini adalah tingginya tingkat homogenitas tipe penggunaan/penutupan lahan. Yang dimaksud dengan tingkat homogenitas disini adalah mengelompoknya salah satu tipe penggunaan/penutupan lahan dalam suatu cakupan wilayah.

Tabel 15. Konsistensi hutan yang bersumber dari citra Landsat dan citra Quickbird

No. Landsat Quickbird

Besar (L) Sedang (M) Kecil (S)

Luas Luas Luas

(ha) (%) (ha) (%) (ha) (%)

1 Hutan Hutan 393.42 92.63 27.92 84.13 9.51 98.35

Kebun Teh 1 20.66 4.86 1.90 5.72

Tegalan 5.53 1.30 2.38 7.19 0.01 0.06

Sawah 3.37 0.79 0.74 2.22 0.15 1.59

Kebun Campuran 1.68 0.40 0.21 0.63

Pemukiman 0.09 0.02 0.02 0.07

Tanah Kosong 0.01 0.03

Pada Tabel 16 menunjukkan bahwa tiga poligon kebun campuran di citra Landsat terdiri dari sembilan kelas penggunaan/penutupan lahan dari citra Quickbird yaitu kebun campuran, tegalan, pemukiman, sawah, rumput, tanah kosong, sungai, jalan raya, dan hutan. Penggunaan/penutupan lahan kebun campuran pada citra Landsat di ketiga ukuran poligon (L, M, S) didominasi oleh penggunaan/penutupan lahan kebun campuran pada citra Quickbird masing-masing sebesar 50,77%, 35,44%, dan 37,78%. Hal ini menunjukkan bahwa tingkat konsistensi penggunaan/penutupan lahan kebun campuran antara citra Landsat dan Quickbird termasuk dalam kategori konsisten (L) dan agak konsisten (M dan S). Faktor yang mempengaruhi tingkat konsistensi ini adalah rendahnya tingkat homogenitas tipe penggunaan/penutupan lahan.

Pada poligon kebun campuran ukuran L (Landsat) didominasi oleh kebun campuran, tegalan, dan pemukiman (Quickbird). Selanjutnya pada ukuran M didominasi oleh kebun campuran, tegalan, dan sawah. Pada ukuran S didominasi oleh kebun campuran, sawah, dan tegalan. Hal ini sangat mungkin terjadi karena keempat tipe penggunaan/penutupan lahan tersebut saling membaur satu sama lain

sehingga sulit dibedakan di citra Landsat tetapi mudah dibedakan pada citra Quickbird.

Tabel 16. Konsistensi kebun campuran yang bersumber dari citra Landsat dan citra Quickbird

No. Landsat Quickbird

Besar (L) Sedang (M) Kecil (S)

Luas Luas Luas

(ha) (%) (ha) (%) (ha) (%)

2 Kebun Campuran Kebun Campuran 173.97 50.77 36.64 35.44 17.51 37.78

Tegalan 82.03 23.94 21.22 20.52 9.02 19.46

Pemukiman 45.21 13.19 8.27 8.00 1.46 3.14

Sawah 15.47 4.52 15.38 14.87 10.46 22.56

Rumput 12.97 3.78 6.81 6.58 0.35 0.76

Tanah Kosong 7.94 2.32 1.19 1.15 0.24 0.51

Sungai 2.98 0.87 1.04 1.00

Jalan Raya 2.09 0.61

Hutan 12.86 12.43 7.32 15.80

Pada Tabel 17 menunjukkan bahwa tiga poligon kebun teh di citra Landsat terdiri dari sembilan kelas penggunaan/penutupan lahan dari citra Quickbird yaitu kebun teh 1, hutan, tegalan, kebun campuran, pemukiman, sawah, kebun teh 2, tanah kosong, dan rumput. Penggunaan/penutupan lahan kebun teh pada citra Landsat di ketiga ukuran poligon (L, M, S) didominasi oleh penggunaan/penutupan lahan kebun teh pada citra Quickbird, masing-masing sebesar 66,19%, 71,16%, dan 92,24%. Penggunaan/penutupan lahan kebun teh pada citra Landsat di ketiga ukuran poligon (L, M, S) didominasi oleh penggunaan/penutupan lahan kebun teh 1 pada citra Quickbird, masing-masing sebesar 66,19%, 71,16%, dan 92,94%. Hal ini menunjukkan bahwa tingkat konsistensi penggunaan/penutupan lahan kebun teh antara citra Landsat dan Quickbird termasuk dalam kategori konsisten (L dan M) dan sangat konsisten (S). Sama seperti penggunaan/penutupan lahan hutan, faktor yang mempengaruhi tingkat konsistensi ini adalah tingkat homogenitas tipe penggunaan/penutupan lahan yang cukup tinggi.

Tabel 17. Konsistensi kebun teh yang bersumber dari citra Landsat dan citra Quickbird

No. Landsat Quickbird

Besar (L) Sedang (M) Kecil (S)

Luas Luas Luas

(ha) (%) (ha) (%) (ha) (%)

3 Kebun Teh Kebun Teh 1 128.71 66.19 43.94 71.16 36.23 92.94

Hutan 26.77 13.77 13.55 21.95 1.84 4.71

Tegalan 19.51 10.04 1.62 2.62

Kebun Campuran 14.67 7.54 1.73 2.80

Pemukiman 2.67 1.37 0.16 0.26 0.36 0.92

Sawah 1.74 0.90 0.71 1.15

Kebun Teh 2 0.20 0.10

Tanah Kosong 0.18 0.09 0.56 1.43

Rumput 0.04 0.07

Pada Tabel 18 menunjukkan bahwa tiga poligon tegalan di citra Landsat terdiri dari sebelas kelas penggunaan/penutupan lahan dari citra Quickbird yaitu tegalan, kebun campuran, sawah, pemukiman, tanah kosong, rumput, jalan raya, badan air, sungai, kebun teh 1, dan hutan. Penggunaan/penutupan tegalan pada citra Landsat di ketiga ukuran poligon (L, M, S) didominasi oleh penggunaan/penutupan lahan tegalan pada citra Quickbird, masing-masing sebesar 51,06%, 45,33%, dan 30,20%. Hal ini menunjukkan bahwa tingkat konsistensi penggunaan/penutupan lahan tegalan antara citra Landsat dan citra Quickbird termasuk dalam kategori konsisten (L) dan agak konsisten (M dan S). Faktor yang mempengaruhi tingkat konsistensi ini adalah rendahnya tingkat homogenitas tipe penggunaan/penutupan lahan.

Pada poligon tegalan ukuran L (Landsat) didominasi oleh tegalan, kebun campuran, dan sawah (Quickbird). Selanjutnya pada ukuran M didominasi oleh tegalan, kebun campuran, pemukiman, dan sawah. Pada ukuran S didominasi oleh tegalan dan kebun campuran. Hal ini mungkin terjadi karena keempat tipe penggunaan/penutupan lahan tersebut saling membaur satu dengan yang lain sehingga sulit dibedakan di citra Landsat tetapi mudah dibedakan pada citra Quickbird.

Tabel 18. Konsistensi tegalan yang bersumber dari citra Landsat dan citra Quickbird

No. Landsat Quickbird

Besar (L) Sedang (M) Kecil (S)

Luas Luas Luas

(ha) (%) (ha) (%) (ha) (%)

4 Tegalan Tegalan 220.84 51.06 92.99 45.33 15.72 30.20

Kebun Campuran 118.30 27.35 51.85 25.28 13.51 25.96

Sawah 55.51 12.83 22.98 11.20 3.90 7.50

Pemukiman 26.16 6.05 25.08 12.22 3.98 7.65

Tanah Kosong 8.73 2.02 4.30 2.09 0.34 0.65

Rumput 2.59 0.60 7.95 3.88

Jalan Raya 0.19 0.04

Badan Air 0.18 0.04

Sungai 0.05 0.01

Kebun Teh 1 12.10 23.25

Hutan 2.49 4.79

Pada Tabel 19 menunjukkan bahwa tiga poligon sawah di citra Landsat terdiri dari sembilan kelas penggunaan/penutupan lahan dari citra Quickbird yaitu sawah, kebun campuran, pemukiman, tegalan, sungai, rumput, tanah kosong, jalan raya, dan badan air. Penggunaan/penutupan sawah pada citra Landsat di ketiga ukuran poligon (L, M, S) didominasi oleh penggunaan/penutupan lahan sawah dan kebun campuran, masing-masing sebesar 43,28%, 55,85%, dan 30,37%. Hal ini menunjukkan bahwa tingkat konsistensi penggunaan/penutupan lahan sawah antara citra Landsat dan citra Quickbird termasuk kedalam kategori agak konsisten (L dan S) dan konsisten (M). Sama seperti penggunaan/penutupan lahan kebun campuran dan tegalan, faktor yang mempengaruhi tingkat konsistensi ini adalah rendahnya tingkat homogenitas tipe penggunaan/penutupan lahan.

Pada poligon sawah ukuran L (Landsat) didominasi oleh sawah, kebun campuran, dan pemukiman (Quickbird). Selanjutnya pada ukuran M didominasi oleh sawah, kebun campuran, pemukiman, dan tegalan. Pada ukuran S didominasi oleh kebun campuran, sawah, pemukiman, dan sungai. Hal ini mungkin terjadi karena kelima tipe penggunaan/penutupan lahan tersebut saling membaur satu dengan yang lain sehingga sulit dibedakan di citra Landsat tetapi mudah dibedakan pada citra Quickbird.

Titik Koordinat X Koordinat Y Interpretasi Citra Interpretasi Lapang Keterangan 41 705305 9263363 Tanah Kosong Tanah Kosong Lapangan Bola 42 705288 9263346 Kebun Campuran Kebun Campuran Kebun Pisang

43 705536 9264010 Pemukiman Pemukiman Pemukiman Padat Penduduk 44 705298 9263998 Jalan Raya Jalan Raya Jalan Tol

45 705504 9263892 Jalan Raya Jalan Raya Jalan Kabupaten 46 705683 9263986 Jalan Raya Jalan Raya Jalan Propinsi 47 705752 9263910 Kebun Campuran Kebun Campuran Kebun Pisang

48 705676 9263912 Pemukiman Pemukiman Pemukiman Padat Penduduk

49 706084 9264462 Sawah Sawah Sawah Irigasi

50 706041 9264401 Sawah Sawah Sawah Tadah Hujan

51 706040 9264458 Pemukiman Pemukiman Pemukiman Pekarangan

52 706641 9263247 Pemukiman Pemukiman Villa

53 706679 9263268 Rumput Rumput Rumput Gajah

54 706729 9263178 Pemukiman Pemukiman Pemukiman Padat Penduduk 55 707529 9264008 Kebun Campuran Kebun Campuran Kebun Pisang

56 707569 9263979 Pemukiman Pemukiman Pemukiman Padat Penduduk

57 707461 9264026 Sawah Sawah Sawah Tadah Hujan

58 708120 9264339 Rumput Rumput Rumput Gajah

59 708060 9264325 Kebun Campuran Kebun Campuran Kebun Pisang 60 707994 9264191 Tanah Kosong Tanah Kosong Lapangan Bola

61 709978 9264590 Pemukiman Pemukiman Outlet

62 710087 9264641 Rumput Rumput Rumput Gajah

63 709801 9264348 Pemukiman Pemukiman Pemukiman Padat Penduduk 64 710415 9264812 Pemukiman Pemukiman Pemukiman Padat Penduduk

65 710373 9264779 Sungai Sungai Kali Ciesek

66 710401 9264756 Kebun Campuran Kebun Campuran Kebun Pisang

67 710136 9265047 Pemukiman Pemukiman Pemukiman Pekarangan 68 710187 9265082 Tanah Kosong Tanah Kosong Lapangan Bola

69 710096 9265213 Pemukiman Pemukiman Pemukiman Padat Penduduk 70 710757 9264378 Pemukiman Pemukiman Pemukiman Padat Penduduk

71 710722 9264347 Rumput Rumput Rumput Gajah

72 710826 9264270 Tanah Kosong Tanah Kosong Lapangan Bola

73 711154 9264280 Pemukiman Pemukiman Pemukiman Padat Penduduk 74 711229 9264310 Kebun Campuran Kebun Campuran Kebun Pisang

75 711330 9264371 Sawah Sawah Sawah Irigasi

76 711663 9264255 Pemukiman Pemukiman Villa

77 711737 9264227 Kebun Campuran Tegalan Ladang Singkong 78 711675 9264200 Kebun Campuran Kebun Campuran Kebun Pisang 79 711166 9264023 Kebun Campuran Kebun Campuran Kebun Pisang

80 711191 9263906 Pemukiman Pemukiman Pemukiman Padat Penduduk

56

Titik Koordinat X Koordinat Y Interpretasi Citra Interpretasi Lapang Keterangan 82 712673 9262612 Kebun Campuran Kebun Campuran Kebun Pisang

83 712743 9262712 Pemukiman Pemukiman Villa

84 712895 9262524 Pemukiman Pemukiman Pemukiman Padat Penduduk 85 713414 9262266 Kebun Campuran Kebun Campuran Kebun Pisang

86 713395 9262337 Pemukiman Pemukiman Pemukiman Padat Penduduk

87 713316 9262332 Sawah Sawah Sawah Tadah Hujan

88 713042 9262224 Pemukiman Pemukiman Pemukiman Padat Penduduk

89 713244 9261852 Pemukiman Pemukiman Wisma TNI AU

90 713242 9261767 Rumput Rumput Rumput Gajah

91 702377 9266552 Tanah Kosong Badan Air Kolam Ikan

92 703102 9266390 Sungai Sungai Kali Ciliwung

93 713231 9256879 Hutan Hutan Hutan Lindung

94 713274 9257034 Kebun Teh 1 Kebun Teh 1 Perkebunan Teh 95 713299 9258323 Kebun Teh 2 Kebun Teh 1 Perkebunan Teh 96 713173 9260019 Tanah Kosong Tanah Kosong Lapangan Bola

97 713357 9260200 Pemukiman Pemukiman Pemukiman Padat Penduduk

98 713203 9260150 Tegalan Tegalan Ladang Singkong

99 712668 9262396 Badan Air Badan Air Kolam Buatan

Lampiran 2. Data Statistik Pengukuran Objek Pada Citra dan Lapang

SUMMARY OUTPUT

Regression Statistics Multiple R 0.991467626

R Square 0.983008053

Adjusted R Square 0.982064056 Standard Error 0.889762637

Observations 20

ANOVA

df SS MS F

Significance F

Regression 1 824.3938991 824.3938991 1041.325347 2.20704E-17

Residual 18 14.2501959 0.79167755

Total 19 838.644095

Coefficients Standard Error t Stat P-value Lower 95% Upper 95% Lower 95.0% Upper 95.0%

Intercept 0.162235601 0.279228654 0.581013441 0.568435826 -0.424402031 0.748873232 -0.424402031 0.748873232 X Variable 1 1.044570739 0.032370144 32.26957308 2.20704E-17 0.97656359 1.112577889 0.97656359 1.112577889

58

RESIDUAL OUTPUT

Observation Predicted Y Residuals Standard Residuals

1 6.638574184 0.171425816 0.197944121 2 5.071718075 -0.321718075 -0.371485481 3 3.504861966 1.035138034 1.195266229 4 20.74027916 1.119720836 1.292933365 5 1.770874539 -0.340874539 -0.393605308 6 5.489546371 -0.659546371 -0.761573315 7 3.295947819 1.604052181 1.852187186 8 2.731879619 1.478120381 1.706774668 9 3.818233188 -0.728233188 -0.840885474 10 3.922690262 0.707309738 0.816725321 11 29.14907361 -0.339073614 -0.391525794 12 4.779238268 -0.149238268 -0.172324324 13 4.33007285 -0.12007285 -0.138647232 14 6.325202962 -0.805202962 -0.929761903 15 6.304311547 -1.744311547 -2.014143638 16 4.988152416 0.061847584 0.071414948 17 6.001386033 -0.101386033 -0.117069702 18 3.191490745 0.568509255 0.656453431 19 3.421296307 -0.371296307 -0.428733099 20 4.215170069 -1.065170069 -1.229943998

RINGKASAN

BAMBANG ADE WAHYUDI. Studi Komparasi Pemetaan

Penggunaan/Penutupan Lahan Melalui Citra Landsat dan Citra Quickbird. Studi kasus: Sub Daerah Aliran Sungai (DAS) Ciliwung Hulu, Bogor. Di bawah bimbingan Khursatul Munibah dan Komarsa Gandasasmita.

Seiring dengan berkembangnya ilmu pengetahuan dan teknologi, citra satelit mulai marak digunakan sebagai komponen data penginderaan jauh. Citra Landsat memiliki delapan saluran spektral tampak dengan resolusi spasial 15 m (pankromatik) dan 30 m (multispektral). Citra Quickbird merupakan citra beresolusi tinggi yang memiliki resolusi spasial 0,6 m (pankromatik) dan 2,4 m (multispektral). Perbedaan resolusi spasial ini mengakibatkan perbedaaan informasi penggunaan/penutupan lahan antara kedua citra. Tujuan dari penelitian ini adalah : a) membandingkan kenampakan objek di citra Quickbird pankromatik, multispektral, dan fusi, b) membandingkan hasil pemetaan penggunaan/penutupan lahan dari citra Landsat dan fusi citra Quickbird, c) menganalisis ketelitian geometrik objek di fusi citra Quickbird dengan kondisi di lapang.

Penelitian terbagi dalam tiga tahap yaitu : persiapan, pengumpulan data, dan analisis data. Tahap persiapan meliputi pengunduhan citra Landsat dan penyediaan citra Quickbird yang telah terkoreksi dengan peta RBI. Tahap pengumpulan data terbagi menjadi pengumpulan data primer (pengecekan lapang dan pengukuran objek) serta pengumpulan data sekunder (peta RBI dan peta batas daerah penelitian). Tahap analisis data yang dilakukan meliputi: identifikasi objek pada fusi citra Quickbird, interpretasi visual penggunaan/penutupan lahan dari citra Landsat dan citra Quickbird, uji ketelitian hasil interpretasi, perbandingan jumlah poligon dan luas masing-masing penggunaan/penutupan lahan, konsistensi tipe penggunaan/penutupan lahan, serta analisis regresi pengukuran objek pada citra Quickbird dengan pengukuran objek di lapang.

Identifikasi dan interpretasi objek pada citra Quickbird lebih mudah dilakukan pada citra fusi dibandingkan dengan citra pankromatik dan citra multispektral. Tipe penggunaan/penutupan lahan yang diinterpretasi dari citra Landsat dan citra Quickbird berjumlah masing-masing 8 dan 12 klasifikasi. Nilai overall accuracy dan nilai kappa dari citra Quickbird masing-masing sebesar 91% dan 0,89. Penggunaan/penutupan lahan yang dominan dari citra Landsat adalah pemukiman (23,75%), sedangkan dari citra Quickbird adalah kebun campuran (26,55%). Tipe penggunaan/penutupan lahan yang diperoleh dari citra Landsat dan citra Quickbird yang memiliki konsistensi tinggi adalah hutan dan kebun teh, sedangkan yang rendah adalah pemukiman dan badan air. Pada tingkat kedetailan klasifikasi, citra Quickbird memiliki 4 tingkat klasifikasi, sedangkan pada citra Landsat hanya memiliki 1 tingkat klasifikasi saja. Hubungan antara pengukuran objek pada citra Quickbird dengan di lapang cukup erat yang ditunjukkan dengan nilai R² = 0,983.

Saran untuk penelitian selanjutnya adalah perlunya penelitian lanjutan dengan menambah citra satelit yang memiliki resolusi spasial menengah seperti: CARTOSAT-1, FORMOSAT-2, RapidEye, SPOT-5, ALOS, dan lain-lain.

SUMMARY

BAMBANG ADE WAHYUDI. Comparison Study The Mapping of Land

Use/Land Cover through Landsat Image and Quickbird Image. Case Study: Sub-drainage Area Riverbasin (DAS) Ciliwung Hulu, Bogor. Under supervision of

Khursatul Munibah and Komarsa Gandasasmita.

As the knowledge and technology develop, the satellite image also starts gaining its popularity as the component of remote sensing data. The Landsat image has eight spectral channels with spatial resolution 15 m (panchromatic) and 30 m (multispectral). The Quickbird image, a high-resolution image, has spatial resolution 0,6 m (panchromatic) and 2,4 m (multispectral). The difference of spatial resolution causes the difference of land use/land cover information among these two images. The purposes of this research are as follows: a) comparing the appearance of objects in the image of Quickbird panchromatic, multispectral, and fusion, b) comparing the results of mapping land use/land cover from Landsat and Quickbird image fusion, c) analyze the accuracy of geometric objects in the Quickbird image fusion with the condition in the field.

This research comprises three stages, namely: preparation, data collection, and data analysis. The preparation stage includes the Landsat image downloading and the provision of revised Quickbird image with RBI map. Then, the data collection stage is divided into primary data collection (check field and the measurement object) and secondary data collection (RBI maps and map the study area boundary). Lastly, the data analysis stage consists of: object identification on the Quickbird image fusion, visual interpretation of the land use/land cover based on Landsat image and Quickbird image, conscientiousness test of the interpretation outcome, comparison of the polygon number and width of land use/land cover respectively, consistency of the land use/land cover type, and regression analysis of the object measurement between the Quickbird image and on-field measurement.

The object interpretation and identification on the Quickbird image can be conducted more easily on the fusion image compared to the panchromatic image and multispectral image. The land use/land cover interpreted from the Landsat image and Quickbird image respectively consists of 8 and 12 classifications. The overall accuracy value and kappa value from Quickbird image are 91% and 0,89 respectively. The dominant land use/land cover from Landsat image is housing (23,75%), while the dominant one from Quickbird image is compound plantation (26,55%). The types of land use/land cover obtained from the Landsat image and Quickbird image that possesses high consistency are forest and tea garden, while the low ones comprise housing and water body. On the level of classification detail, the Quickbird image has 4 levels of classification, while the Landsat image only has one level of classification. The object measurement on the Quickbird image and on-field measurement show a fairly close relation, with R² = 0,983.

Proposition for further research is the necessity of succeeding research on by adding satellite imagery that has a medium spatial resolution such as: CARTOSAT-1, FORMOSAT-2, RapidEye, SPOT-5, ALOS, and others.