Kajian Penggunaan Data Ikonos dan Landsat untuk Evaluasi Hutan Hujan Tropika Dataran Rendah
KAJIAN PENGGUNAAN DATA IKONOS DAN
LANDSAT UNTUK EVALUASI HUTAN HUJAN
TROPIKA DATARAN RENDAH
OLEH :
HILDANUS
PROGRAM PASCASARJANA
INSTITUT PERTANIAN BOGOR
2002
ABSTRAK
HILDANUS. Kajian Penggunaan Data Ikonos dan Landsat untuk Evaluasi Hutan
Hujan Tropika Dataran Rendah. Dibimbing oleh UPIK ROSALINA dan M. BUCE
SALEH.
Penelitian penggunaan data Ikonos Pan - Multispektral (gabungan Pan dengan
Multispektral) RGB 432 dan Landsat Multispektral optik (non-tennal) untuk evaluasi
hutan hujan tropika dataran rendah di Hutan Lindung Gunung Beratus Kalimantan
Timur bertujuan untuk: (1) mengkaji kemarnpuan data satelit Ikonos dan Landsat
untuk mengklasifikasikan penutupan hutan secara digital serta menentukan kombinasi
pita spelctral dari Ikonos dan Landsat yang terbaik, dan (2) mencari hubungan
matematis terbaik antara nilai respon s p e w pada citra lkonos dan Landsat, masingmasing dengan jumlah pohon, rata-rata tinggi total, basal area, biomasa bagian po hon
di atas tanah, LAI, dan penutupan tajuk, di hutan hujan tropika dataran rendah.
Penggunaan Ikonos RGB 432 dan Ikonos kombinasi 2 pita spektral yang
menggunakan pita 4 (pita i n h e r a h dekat) dalam kombinasinya dapat menghasilkan
akurasi klasifikasi (overall accuracy, Kappa accuracy, user's accuracy, dan
producer's accuracy) > 85 % untuk mengkelaskan citra yang meliput hutan menjadi
Log Over Area (LOA), semak, awan tebal, awan tipis, bayangan awan, dm bqangan
relief Klasifikasi terhadap Ikonos RGB 432 mempunyai transformasi divergensi ratarata dan minimum, overall accuracy, dan Kappa accuracy berturut-turut 1992, 1938,
100 %, dan 100 %. Dataset Ikonos pita 2-4 terbaik di antara dataset Ikonos kombinasi
2 pita spektral, dengan transformasi divergensi rata-rata dan minimum, overall
accuracy, dan Kappa accuracy berturut-turut 1990,1925, 99,87 %, dan 99,81%.
Penggunaan 3 sampai 6 pita spektral Landsat Multispektrd optik dapat
menghasilkan akurasi hasil kl asifikasi (ovaall accuracy, Kappa accuracy, user's
accuracy, dan producer's accwacy) > 85 % untuk mengkelaskan citra yang meliput
hutan menjadi Log Over Area (LOA), semak, tanah terbuka, bayangan reliec
campwan LOA dengan bayangan relief, awan, dan bayangan awan. Dataset Landsat
pita 1-2-4-5-7 m e r u p a h dataset yang terbaik di antara semua dataset yang dapat
dibuat dari 6 pita spektral Landsat Multispektral optik, dengan transformasi
divergensi rata-rata dan minimum, overall accuracy, dan Kappa accuracy berturuttumt 1975, 1814, 96,37 %, dan 95,72 %. Dataset Landsat pita 2-4-5 tehaik di antara
dataset Landsat kombinasi 3 pita spektral, dengan transformasi divergensi rata-rata
dan minimum, overall accuracy, dan Kappa accuracy berturut-turut 1959, 1754,
94,56 %, clan 9339 %.
Citra NDVI Landsat berkorelasi dengan rata-rata tinggi total, basal sea,
biomasa di atas permukaan tanah, LAI, dan penutupan tajuk dari pohon berdiameter
10 cm atau lebih, tetapi tidak mempunyai korelasi dengan jurnlah pohoa Model
regresi linier antara NDVI Landsat dengan rata-rata tinggi total, basal area, biomasa
di atas permukaan tanah, LAI, dan luas penutupan tajuk ialah:
Rata-rata tinggi total = -2,22642 + 57,407NDVI; R' = 54,9 %
Basal area = -42,8128 + 184,070NDVI; R~= 70,6 %
Biomasa di atarr permukaan = -527,266 + 2050,68NDVI; R' = 69,1%
LA1 = -16,5396 -t64,763irNDVI; R~= 69,5 %
Penutupan tajuk = 43,5987 + 63,6993NDVI; S = 9,81106; R~= 5,6 %
CitraNDVI Ikonos piksel 5, 10, dan 20 m hasil interpolasi/ resampling piksel
dari Ikonos Pan-Multispektral RGB 432 piksel 1 m tidak dapat digunakan untuk
menduga jumlah pohon, rata-rata tinggi total, basal area, biomasa bagian pohon di
atas tanah, LAI, clan penutupan tajuk, di hutan hujan tropika dataran rendah.
SURAT PERNYATAAN
Dengan ini sayamenyatakan bahwa tesis yang berjudul:
KAJIAN PENGGUNAAN DATA IKONOS DAN LANDSAT UNTUK EVALUASI
HUTAN HUJAN TROPIKA DATARAN RENDAH
adalah benar hasil karya saya dan belum pernah dipublikasikan. Semua sumber dan
infonnasi yang digunakan telah dinaydakan secara jelas dan dapd diperiksa
kebenarannya
Bogor, Septe~ber2002
KAJIAN PENGGUNAAN DATA IKONOS DAN
LANDSAT UNTUK EVALUASI HUTAN W A N
TROPIKA DATARAN RENDAH
HILDANUS
Tesis
sebagai salah satu sy& untuk memperoleh g e l s
Magistet- Sain pada
Program Studi Ilmu Pengetahuan Kehutanan
PROGRAM PASCASAWANA
INSTITUT PERTANIAN B O O R
2002
Judul Tesis
: Kajian Penggunaan Data Ikonos dan Landsat untuk Evaluasi
Hutan Hujan Tropika Dataran Rendah
Nama
: Hildanus
Nomor Pokok
: 99319
Program Studi
: Ilmu Pengetahuan Kehutanan
Menyetujui:
1. Komisi Pembimbing
Dr. Ir. Upik Rosalina, DEA
Ketua
Dr. Ir. M. Buce Saleh, MS
Anggota
Mengetahui:
2. Ketua Program Studi
Ilmu Pengetahuan Kehutanan
3. Direktur Program Pascasarjana
3d
Prof. Dr. Ir. Cecep Kusmana, MS
2 7 JAN 2003
Tanggal Lulus: 26 September 2002
Penulis dilahirkan di P h g pada tanggal 13 Oktober 1963 sebagai anak
kedua dari ayah Abulinar (alrnarhum) dan ibu Marjani (almarhumah).
Tahun 1982, penulis lulus dai SMA Negeri 1 Padang, clan pada tahun yang
sama lulus seleksi m a d Universitas Andalas Padang. Pendidikan sarjana ini
ditempuh di Program Stud Ilmu Tauah, Fakultas Pataniaa, dan lulus pada tahun
1987. Tahun 1987 - 1992, penulis bekerja di PT.Peconina B m yang btxgecsk di
bidang perkebunan teh, dm sejak tahun 1992 sanpai seklatsng bedugas sebagai staf
pengajar Kopertis Wilayah 1 Medan di Sekolah Tinggi Ihnu Kehutanan Pante Kulu
Bmda Aceh.
Pada tahun 1999, penuiis mendapat kesempatan untuk melanjutkm stud
Pascasarjana (S2) di Program Studi Ilmu Kehutanan Program Pascasajana IPB
dengan beasiswa BPPS.
PRAKATA
Puji syukur ke hadhit Allah SWT karena atas segala rahmat dan karunia-Nya
penulisan tesis ini dapat terselesaikan Tema yang dipilih dalam penelitian yang
dilaksanakan dari bulan Juli 2001 sampai Oktober 2001 di Hutan Lindung Gunung
Beratus Kalimantan Timur ialah penggunaan data satelit di kehutanan.
Terima kasih penulis ucapkan kepada Ibu Dr. Ir. Upik Rosalina, DEA dm
Bapak Dr. Ir. M Buce Saleh, M S selaku pembimbing pada penyusunan tesis.
Disamping itu, penulis mengucapkan tsrima kasih kepada Ibu Dr. Ir. Upik Rosdina,
DEA sebagai Kepala Laboratorium Ekologi Hutan Fakultas Kehutanan IPB yang
telah memberi kesempatan untuk menggunakan data satelit Ikonos dan Landsat serta
s o f l ~ r pengolahan
e
citra dan fasilitas lainnya selama penelitian. Selanjutnya terima
kasih diucapkan kepada Bapak Edi Pennana, S.Hut, Bapak Aep Hidayat, BscF, Sdr.
Waluyo, Sdr. Hasan Rohim dan Ibu Murdhiani (Staf Laboratorium Ekologi Hutan)
serta Bapak Saeful Ichwan, S.Hut ( S M LMGC-IPB) yang membantu selma
pengumpulan data, pimpinan dan staf HPH PT. Balik Papan Forest Indwtries (BR)
yang telah memberi izin dan bantuan selama penulis melakukan penelitian di
lapangan. Kepada Aim Ayahanda Abulinar dan Alm. Ibunda Marjani, tiada kata
yang dapat penulis ucapkan karena dengan kasih sayang dan perhatian beliau semasa
hidup telah mengantarkan penulis untuk dapat melanjutkan pendidikan di IPB. Tidak
lupa mengucapkan banyak terima kasih kepada istriku tercinta Rienoviar, kedua
putriku Vilda Desryma dan Khairunnisa, kakak, dan ad&-adii yang telah memberi
dukungan moril selama penulis pendidikan di IPB.
Semoga tesis ini dapat menjadi sumbangan yang berarti bagi ilmu
pengetahuan, khususnya ilmu pengetahunan kehutanan dm penginderaanjauh.
Bogor, September 2002
Hi Idanus
DAFTAR IS1
DAFTAR GAMBAR
DAFTAR LAMPIRAN
I.
PENDAHULUAN
1.1. Latar Belakang
1.2. n j u m Penelitim
1.3. Hipotesis Penelitian
11.
TINJAUAN PUSTAKA
2.1. Pendugaan Biornasa
2.2. Indeks Luas Daun
2.3. Indeks Vegetasi
2.4. Citra Satelit
111. MmODOLOGI
3.1. Tempat dan Waktu Penelitian
3.2. Citra dm Data Pendukung
3.3. &@ware dm Hardware
3.4. Peddan Lapangan
3.5. Prosedur Penelitian
IV. HASIL DAN PEMBAHASAN
4.1. Klasifrkasi Citra
4.1.1. Ikonos
4.1.2. Landsat
4.2. Korelasi
V. KESIMPULAN DAN SARAN
5.1. Kesimpulan
5.2. Saran
DAFTAR PUSTAKA
LAMPIRAN
xii
...
Xlll
DAFTAR TABEL
Spesifikasi Ikonos
12
Karakt.eristik dari Landsat TM dan ETM+
14
Kriteria tingkat keterpisahan
23
Matriks kesalahan (confusion matrix)
25
Tabel sidik ragan
30
Transform asi divergensi rat a d a dan m inimum , overall accuracy, dan
Kappa accuracy dari hasil klasifikasi Ikonos RGB 432 dan Ikonos
kombinasi 2 pita spektral
34
User's accuracy dan producer's accuracy untuk Log Over Area dan
semak dari hasil klasifikasi Ikonos
35
Jumlah dataset yang dapat dibuat dari 1 pita spektral, kombinasi 2,3,4,
dan 5 pita spektral, serta 6 pita spektral pada Landsat Multipektrai
optik
37
Trandomasi dive-rgensi rata-rata dan minimum, overall accuracy, dan
Kappa accuracy dari hasil klasifikasi dataset kombinasi 2, 3, 4, dan 5
pita spektral, serta 6 pita spektral pada Landsat Multipektral optik
39
User's accuracy dan producer's accuracy wituk Log Over Area dm
semak dari hasil klasifikasi Landsat
41
Rata-rata per hektar jurnlah pohon, basal area, biomasa, LAI, dan
penutupan tajuk pada plot pengatnatan
42
Rekapitulasi uji F analisis regresi linier antai-a NDVI pada Ikonos
piksel 5 m, 10 m, dan 20 m, serta Landsat dengan beberapa parameter
tegakan hktan
43
Model regresi linier antara NDVI pada Ikonos piksel 5, 10, dan 20 m
dengan b e b e m a parameter tegakan hutan
44
Model regresi linier antaraNDV1 pada citra Landsat dengan beberapa
parambter tegakan hutan
45
DAFTAR GAMBAR
1.
Skenla pengolahan citra Ikonos dan Landsat
18
2.
Posisi piksel Landsat pada piksel Ikonos 10m untuk plot 1,2 dan 3
26
3.
(a) Citra Ikonos RGB 432 yang akan diklasifikasi, dan (b) citra Ikonos
RGB 432 hasil klasifikasi
32
4.
Rata-rata nilai piksel masingmasing kelas pada setiap pita spektral
Ikonos
33
36
5.
(a) Citra Lands& RGB 542 yang akan diklasifikasi, dan (b) Citra
Landsat pita 1-2-3-4-5-7 hasil klasifikasi
6.
Rata-rata nilai piksel setiap kelas pada masing-masing pita spektral
Landsat Multispektral non termal
37
Kurva regresi linier antara NDVI pada Landsat dengan rata-rata tinggi
total
45
8.
Kurva regresi linier antara NDVI pada Landsat dengan basal area
46
9.
Kurva regresi linier antaraNDV1 pada Landsat dengan bimasa
46
7.
10. (a) Kurva regresi linier antara biomasa di atas permukaan tanah dengan
rata-ratatinggi total, dan (b) kurvaregresi linier antara biomasa di atas
permukaan tanah dengan basal area
47
1.
Statistik dataset Ikonos piksel5,10, 15, dm 20 m
57
2.
GCP pada registrasi Landsat dengan Ikonos
59
3.
Statistik dataset Landsat pita 1-2-3-4-5-7
60
5.
T d o r m a s i divergensi rata-rata dm minimum dari hasil klasifikasi
Ikonos dan Landsat
63
6.
Evaluasi akurasi terhadap hasil Masifikasi Ikonos dan Landsat
68
7
Hasil analisis data parameter tegakan hutan dan NDVI pada citra
Ikonos dan Landsat
72
I.
PENDAHULUAN
1.1. Latar Belakang
Infomasi penggunaan lahan dan penutupan lahan dibutubkan di tingkat lokal,
regional, dan nstional untuk perenmaan penggunaan lahan dan pengelolaan lahan
yang baik (Paul dan Maacarenhas 1981, diacu dalam Jensen 1986). Padaskala global
dan regional, penggunaan teknik penginderaan jauh terbukti cepat dan dapd
dipercayai untuk panantaran penutupan hutaa (Jensen 1986).
Kebanyakan penelitian deforestasi dan pembahan penggunaan lahan yang
menggunakan &a penginderaan jauh cendaung memfokuskan pada deskripsi
vegetasi secara m u m (Carlson dm Azofeifa 1999). Citra satelit digunakan sebagai
alat untuk mempdajai ekosistem tertentu (Hall et al. 1991, diacu Man Carlson dan
Azofeifa 1999). Misalnya Asrar et al. (1984), Tucker et d.(1984), dan Goward et al.
(1991): (diacu dalam Carlson dan Azofeifa 1999) menekankan pada pendugaan
terhadap biomasa
Teknik p e n g i n d m jauh ti& mengulcur birmasa secara langsung, tetapi
menduga biomasa dari hubungan karakteristik hutan di lapangan dengan reflektansi
kanopi pada citra satelit (Sader 1988, diacu dalan Brown et al. 1989). Penginderaan
jauh optik dapat menduga biomasa bagian pohon di atas permukaaa tanah secara
langsung, tetapi untuk menduga biamasa bagian pohon di bawah pennukaan tanah
tidak dapat dilskukan secaa langsung karena gelombang pendek dari radiasi
elektran agnetik tidak dapat menembus tanah (Asrar 1989).
Kebutuhan terhadap informasi LAZ untuk areal yang luas lebih menekankan
penelitian-penelitian mengenai hubungan ant= LA1 yang diukur di lapangan dengan
indek vegetasi dwi cits-asatelit (Brown et d. 2000).
Pengulcuran L M s e e m langsung di lapangan terutama di ekosidem hutan
sangat sulit dm mahal (Fassnach et al. 1994, dim dalam Wasrin et al. 1997),
sehingga teknik pengukutam LAI secga tidak langsung yang cukup murah dan cukup
teliti merupakan dteanatif yang perlu dikembmghm. Pendekatan pengukuraa
parameter hutan menggmakan data satelit dan persamaan alometrik merupakan salah
satu pendekatan yang dicoba untuk dikembangkan (Wasin et al. 1997).
Persamaan alometrik yang menghubungkan pznrmder hutan yang mudah
diukur dengan volume k a p tegakan, total biomasa, persediaan k d o n dan persediaan
hara sering digunakan pada inventarisasi hutan dan kajian-kajian ekologi (Ketterings
et a2. 1999).
Untuk mendapatkan infonnasi biafisik dalan bentuk in&ks dari tanggapan
spektrai terhadap kenampakan-kenanpakan (fkzhm) pmukaan bumi,
dapat
dengan memperbandingken tanggapan speW dari pita-pita spektral tertentu untuk
setiap kenanpakan. Sejumlah indeks vegetsrsi telah dikembangkan dan banyak
digunakan oleh para ahli penginderaan jauh. Indeks vegetasi yang paling mum ialah
n o d i z e d diflerence vegetation index (NDVI). NDVI merupakan indeks rasio yang
menggunakan pitamerah bang diserap oleh klorofd) clan pitainfianerah-dekat (yang
dipantulkan oleh jaingan daun), clan dapat digunakan sebapi ukum bagi biomasa
menggunakan data satelit multispektral.
Reflektaasi inframerah-dekat dengan reflektansi m
d telah digunakan untuk
meneliti vegetasi dan fenologi sejak awal tahun 1970-an (McGwire et d.2000).
Banyak penelitian indeks vegetasi menggunakan NDVI karena ia dapat memperkecil
pengaruh topograG (Holben dan Justice 1981, diacu dalam McGwire et d.2000),
tidak memerlukan pengetahuan tentang kondisi lapangan yang rinci dan sensitif
terhadap fotmintesis (Myneni et al. 1992 danTucker 1979: diacu dalam McGwire et
d.2000).
Untuk mengetahui wtiabel ekologi (seperti biomasa di atas-permukaau atau
LAI) menggunakan data satelit, dapat dilakukm dengan menganalisis hubungan
antara indeks spektral dengan variabel ekologi melalui analisis regresi (Lawrence
dan Ripple 1998 dan Gong et d.1993: diacu dalan Thenkabail et al. 2000).
Teknologi satelit yang ada cukup memadai untuk memantau hutan tropis
(Sader et d 1990, diacu dalm Carlson dan Azofeifa 1999). Aplikasi penginderaan
jaub satelit di bidang kehutanan secara efektif dimulai sejak peluncuran satelit
sumberdaya bumi Amerika Serikat, Ehrth Resouas Techndogid Scrtelfite (ERTS1) pada tahun 1972, yang kemudian dikenal sebagai satelit Landsat (Howard 1991).
Data satelit Landsat TM mengindem radiasi yang direfleksikaa dan
diemisikan pada daerah k a s t mata (bim,
hijau, dan merah) clan daerah infEamerah
(inframerah-dekat dan infEamerah tengah). Klasifiikasi menggunakan semua pita TM
non-t erma1 menjadi berlebihan (mdundant) dalam infarmasi dan memerlukan waktu
yang lama dalan proses klasifikasi, sedangkan klasifikasi menggunakan hanya satu
pita spektral tidak memberikan hasil yang cukup baik (akurasi rendah). Kombinasi
tiga atau empat pita memberikan akumi yang tinggi. Pita termal (hhmerah-jauh,
tidak digunakan dalam kombinasi pita-pita TM disebabkan resolusi spasialnya ymg
berbeda dengan pita non termal (Jaya 1996). Kom binasi yang tepat d a i pita-pita TM
menghasilkan klasifikasi citra dengan akurasi/ ketelitian yang tinggi (Jaya dm
Kobayashi 1994).
Beberapa penelitian menctapatkan bahwa data Landsd TM bdubungan erat
dengan indikatar kerapatan vegetasi seperti bianasa, persen penutupan dan populasi
tumbuhan (Jaya clan Kobayashi 1994). Di ant-
sensor-sensor yang biasa digunakan,
data TM lebii baik korelasinya dengan variabel-variabel hutan tertentu (Brockhaus
dan n o r r a m 1996, diacu dalam Andersen 1998).
Saat sekarang, citra sdelit dari berbagai jenis sensor tasedia secaa komasial.
Kebanyakan citra yang tersedia berasal dari sensor: Landsat Thematic Mapper (TM)
dan Mdtr Qectral Scanner (MSS), SPOT Mdtispecfral (XS) dan Panchromatic
(Pan), NOAA Advanced Very High Resolution Radiometer (AVHRR), Radarsat dan
sebagainya (Haeusler 1991). Sensoraensor tersebut beragan dalam hal luas areal
yang terliput, pengulangau penganbilan gambar, resolusi spektral, resolusi spasial,
dau biaya akuisisi.
Disamping c h c i t r a tersebut, tersedia pula secam komersial citra Ikonos dari
satelit Ikonos-2 yang diluncwkau Sgrtember 1999. Satelit Ikonos menghasilkan citra
Pankromatik (Pan) dengan resolusi spasial 1 m, dau citra Multispektral yang
mempunyai resolusi spasial 4 m dengan 4 pita s p e W (biru, hijau, merah, dan
infranerah-dekat). Penggabungan citra Ikonos Pau dengan citra Ikonos Multispektral
akan rnmghasilkan citra Ikonos Pan-MultispeW yang mempunyai 4 pita s p e w
dengan resolusi spasial 1 m. Keempat pita spektral yang dipunyai
Ikonos
Multispektral s m a dengan pita 1 (biru), pita 2 (hijau), pita 3 (merah), dan pita 4
(inframd - d e k a t ) pada Landsat Multispektral.
Citra Landsat merupakan citra satelit yang paling unggul dalam ha1 resolusi
spektral sedangkan citra Ikonos paling unggul dalan hal resolusi spasial. Pada
penelitian ini, citraIkonos gabungan Pan dengan Multispektral pita 2,3, dan 4 (pita 1
tidak tersedia) dm Landsat Multispektral optikfnon-tennsl (pita 1,2, 3,4, 5, dan 7)
d i k l ~ i k a s i k a n dengan metoda terbiibing (supervised cImsi$cation),
dan
ditnmdormasi dengan MlVI untuk mencari hubungan antara NDVI dengan
parameter tegakan hutan yang sering diukur, yaitu jumlah pohon, tinggi pohon bang
digunakan lata-rata tinggi total), luas bidang dasar (bassd ama), biomasa bagian
pohon di atas permukaan tanah, indeks luas dam (letgc area index/ LAI), dan
penutupan t$uk (crown cover).
1.2 Tnjnan Penelitian
Penelitian mi bertujuan untuk:
1. Mengkaji kemampuan data satelit Ikonos dan Landsat untuk mengklssifikasikan
penutupan hutan alam tropis secaa digital serta menentukan kombiasi pita
spektral dari Ikonos dan Landsat yang terbaik.
2. Mencari hubungan matematis terbaik antara nilai respon spektral pada citra
h n o s dan Landsat, masing-masing dengan jumlah pohon, &a-rata tinggi total,
basal area, bimasa beian pohon di atas permukaan tanah, LAI, dan penutupan
tajuk di hutan alam tropis.
1.3. Hipoteds Penelitian
Nilai respon spektral pada citra Ikonos dan Lands& mempunyai komlasi
dengan jurnlah pohon, rata-&a tinggi total, basal area, biomasa bagian pohon di atas
pennukaan tanah, LAI, dan penutupan tajuk di hutan alsm tropis.
11. TINJAUAN PUSTAKA
21.Pemdagaan Biomasa
Pendugaan biomasa bagiau pohon di atas permukaan tanah mapalcan aspek
penting p& kajian persediaan khan (C stocks) dm pengaruh deforedasi terhadap.
keseirnbangan C global (Ketterings et al. 1999). Pendugaan biomasa vegetasi dapt
memberikan infomasi mengenai persediaan h a a dan karbon pada seluruh vegetssi,
atau jumlah bagian tertentu dari vegdasi yang dapat dipanen, seperti kayu yang dapat
dihasikaa dari tegakan (Hairiah et al. 1999).
Biomasa merupakan massa vegetasi hijau per satuan luw, yang biasanya
diukur dengan cara memanen dan menimbmg vegetasi (Lo 1986). Pendugam
biomasa dapat dilakukan dengan (1) metoda pengukuran lmgsung di lapangan, (2)
stmti'ed random
sampling terhadap strata vegetasi hamogen yang dipetakan
menggunakan data penginderaan jauh yang selanjutnya digunakan untuk
mengekstrapolssi ti&-titik sampel, dan (3) mengembangkan model-model emperis
respon spektral satelit terhadap biomasa(Roy dan Ravan 1996).
Pendugaan biomasa pohon cara penimbangan merupakan metoda paling
a k u . tetapi sangd menyita waktu dan destdcM. Penggunaan metoda ini terbdas
untuk luts ma1 dan ukuran sanpel plot yang kecil (Ketterings ef al. 2001). Metoda
strlxtijed random sampling
mmpakan metoda yang efektif untuk menduga biomasa,
dan model emperis spektral juga menunjukkan hubungan signifikan antara biomasa
dengan respon spektral (Roy dan Ravan 1996).
Umumnya ada dua metoda untuk pendugaan biomasa, yaitu (a) destructive
smipi~rzgyang membutuhkan banyak tenaga tetapi lebih akurat, dan (b) metoda nondestruktif menggunakan persarnaan alametrik yang relatif cepat tetapi kurang akurat.
Pendugaan biomasa dengan pasamam almetrik dikembangkan dari parsmeter yang
mudah diukur sepeiti tinggi pohon dan dianeter setinggi dada (Pahn et d.1994).
Brown et d.(1989) mengembangkan penamaan regresi untuk menduga total
biomasa pennukaan dari pohon di hutan tropik sebagai fungsi dari dianeter setinggi
dada, tinggi total, berat jenis kgnr, dan zona kehidupan (ife wrze). Persanaan
biomasa dibuat berdasarkan (a) diameter setinggi dada saja, @) diameter setinggi
dada dengan tinggi total, dan (c) diamder sdinggi dada, tinggi total, dan berat jenis.
Persamaan biamasa yang menggunakan diameter sdinggi dada dan tinggi total
menghasilkan pendugaan yang lebih baik dibandingkau yang menggunakan diameter
setinggi dada saja Palm et d.(19P4) menyatakan bahwa pendugaan biomasa lebih
baik apabila lebih banyak psremeter yang digunakan.
Ogawa et al. (1985) menyatakan bahwa sejak penelitian Kiedge (1944,
1948) mengenai regresi almetrik antara jumlah dam dai sebatang pohon dengan
diameter batangnya, pensmaan alometrik menjadi l e b i sering digunakan untuk
pendugam biomma hutan.
22 Indeks h a s Daun ( L e d area indcr / LAI)
LA1 adalah total luas satu-pennukaan daun hijau per luasan permukaan tanah
(Le Dantec et d.1999). LA1 merupakan variabel utama yang berhubungan dengan
mekanieme frsiologis yang tejadi mulai dari tingkat daun (fotosintesis, respirasi, atau
transpirasi) sampai tingkat kanopi hutan (Running dm Coughlan, 1988,diacu dalam
Le Dantec et al. 1999). Pengukuran LAI. yang akurat dapat digunakan untuk
memahani proses biologi dan fisik yang berfiubungm ciengan vegdasi, dan sebagai
input untuk model-model produktifias ekosistem (Sellem
d
at. 1986,Bonan 1993,
dan Liu et d.1997:d i m dalan Brown et d. 2000).
Sejumlah penelitian menetapkan secaa teoritis dan empiria hubungan poctitif
antara LA1 dengau produktifit~lsbutan (Le Dantec et d. 1999). Mc Naughton dan
Jarvis (1983)(
dimdalam W
h et d 1997)membuktikau pentingnya LAI dalam
menduga evapotranspirasi, LA1 dalsm pendugaan transpirasi, intersepsi, neraca air,
laju fotosintesis, dan pertumbuhan (Grier dan Running 1997,Gholz 1982,Mc Lead
dan Running 1985: diacu dalam WaElrin et al. 1997). Piace dan Running (1988)
(diacu dalan Wasrin et al. 1997) memperlihatkan hubungan yang erat mtara LA1
dengan volume kayu pada berbagai kondisi ekoistem hutan.
h a pendekatan mum untuk pendugaan LA1 menggunakau c i h
penginderaan jauh ialah pendekatan indeks vegetasi dan pendekatan modeling (Qi et
d. 2000). Prosedur m u m menduga LA1 dengan data penghderaan jauh ialah
menetapkau hubungan emperis antaraNDVI dengan LAI s e c m statistik. Hubungan
LAI dengan indeks vegdasi ant-
lain sebagai berikut (Bare4 1995,Bed dan H d a u
1985,Curmn 1983,Asrar et a 1985r5b;Peterson et al. 1987,Price dan Bausch 1995:
diacu dalan Qi et d. 2000):
LAI=U?+~~+CX+~
LAI = a + bxc
LAI = 112a h(1-x)
LA. = f i x )
Dimana x merupakan indeks vegetasi, koofisien a, b, c dan d merupakan parameterparameter emperis yang bervariasi men& tipe vegetasi.
23. Indeks Vegetasi
B d a g a i indeks vegetasi berhubungan dengan parameter vegetasi seperti LA.,
biomasa, persen penutupan tajuk, produktifiias, dan aktifitas fotosintesis (Colwell
1974, Asrar et al. 1984, Hatfield et al. 1984, dan Sellers 1985: diacu dalam Asrar
1989). Indeks vegetasi rnerupakan ukursn untuk kerapatan vegetasi dan biamasaaktif
secara fotosintesis (Tucker 1979, Wiegand et al. 1973, Wiegand dan Richardson
1984: diacu dalarn Jaya 1996).
Sejumlah indeks vegetasi masih terus dikembangkan untuk mencirikan kanopi
vegetasi (Asra 1989). Indeks-in&ks vegetasi dapa dikelampokkan menjadi 3
kategori: (1) indekaindeks mendasar (intrinsic indices), (2) indeks-indeks yang
berfiubungan dengan garis-tanah (soil-line dated indices), dan (3) indeks-indeks
pengaturaa &mo&ir (atmosphet;tcatly adjusted indies) (Rondeaux et d.1996, B m t
dan Guyot 1991: diacu dalam Daughtry et d 2000).
Indeks vegetasi yang m u m ialah indeks yang menggunakan reflektausi
(radiansi) merah dan i h e r a h - d e k a t dari kanopi dalm bentuk perbandingan (ratio
vegetation i n d d RVI dan indeks normalized di$emce vegetution i n d d NDVI)
atau dalarn kombinasi linier (perpendicular vegetation index/ PVI), dan greeness
vegetation i n d d GVI) (Asrar 1989).
Sensitifitas NDVI terhadap vegetasi hijm berdasarkan radiansi pada pita
merah yang berhubungan dengan jurnlah klorofil, dan radiansi pada infi-amerah yang
berhubungan dengan kerapstan daun hijau ( B m t clan Curtis 1992). Jika biamasa
(vegetasi) meningkat maka reflektansi infinunerah-dekat akan bertambah, sebaliknya
reflektansi pada kasat mata akan berkurang (Jaya 1997).
Indeks vegetasi telah lama digunakan @a citm satelit untuk pemantauan
kondisi vegetasi. Perbedaan nilai indeks vegetasi antma citra yang berbeda waktu
pada lokasi yang sama dap& untuk memantau pembahan vegetasi. NDVI digunakan
pada sejumlah penelitian untuk menganalisis kondisi dan pembahan vegetasi (Briggs
dm Neillis 1991, Chilar et d.1991, Lee dan Marsh 1995: dam dalam Sohl 1999).
Indeks-indeks vegetasi umumnya mengasumsikan bahwa pengaruh tanah
berkurang dengan semakin berkembang vegetasi, karena bagian tanah yang relatif
terbuka menjadi berkurang. Pengaruh tanah yang terpenting terhadap spektral
vegetasi ialah p e n g d kecerahan tmah. V.ilriasi kecershan tanah dapat diakibrtkan
perbedaan kelembaban, kekasaran, bayangan, atau bahan organik. Banyak penelitian
memperlihatkan indeks vegetasi berkarelasi dengan kecerabaa t d , dan paling
nyata pada tingkat kerapatan vegetasi yang sedamg (h
1989).
25.1. Citra Ikonos
Kata Ikonos berasal dari bahasa Yunani (Greek) "Eye-KOH-Nos" yang
artinya sama dengan 'citraf image'. Satelit Ikonos mengorbit bumi pada orbit
sun-
Tabel 1. Spesifikasi Ikonos
Waktu Peluncuran
24 September 1999 (11:21:08 am PDT)
Lokasi Peluncuran
Resolusi
Vandenberg Air Force Base, California
Resolusi setiap pita spektral:
Pankromatik: 1-meter
(nominal c 26 derajai offnadir)
Multispektral: 4-meter
(nominal < 26 derqjat o f l n d r )
Respon Spektral Citra
Pankromatik:
0,45 - 0,90 mikron
Multispektral:
Pita 1: Biru 0,45 - 0,52
Pita 2: Hijau 0,52 - 0,60
Pita 3: Merah 0,63 - 0,69
pita 4: I n h e r a h dekat 0,76 - 0,90
(sama dengan Landsat pital-4)
Lebar Swafh dan Ukuran Scene
Lebar swh
13 km pada nadir
Areas of iderest:
citratunggal 13 km x 13 krn
Ketinggian (AltiMe)
423 mi1 / 681 kilometer
98,l derajat
Kecepatan
4 mil per detik / 7 kilaneta per detik
Revisit frequency
2,9 hari padaresolusi 1meter,
1,5 hari padaresolusi 1,5 meter
~ilai-nilaitersebut untuk target pada lintang 40
derajat. Waktu revisit lebih sering untuk lintang
lebih tinggi dan jam8 untuk lintang dekat
khatulistiwa
98 menit
Waktu Orbit
sun-synchmous
Tipe W i t
Surnber: Pike dan Brown (1999) (mdczk diedt)
synchrorrous. Satelit tersebut mengitari bunli 14 kali per hari, atau setiap 98 menit.
Satelit Ikonos yang diluncurkan September 1999 mengorbit pada ketinggian 681 km
dengan inklinasi 98,1° padawaktu crossing 10.30 a m (Pike dm Brown 1999).
Pita spektral 1, 2, dan 3 dari citra Ikonos niultispektral secara berurutan mengukur
reflektansi spektrum elektromagnetik pada bagian biru, hijau, dan merah. Pita-pita
tersebut urituk mengukur karakteristik spektral yang tanipak oleh mata Pita 4
mengukur reflektansi spektrum elektromagnetik pada bagian inframaah-dekat, dan
sangat membantu dalam mengklasifikasikan vegetasi (NASA Commercial Remote
Sensing Progratii 2001).
2.5.2. Citra Landsat TM dan ETM+
Satelit Landsat 4,5, dan 7 m engorbit bum i pada orbit stm-synchronous pada
ketinggian 705 km (Richards dan Xiuping Jia 1999). Landsat 4 dm 5 mempunyai
iris~.llmeti Thematic Mapper (TM)sedangkan Lanrlsat 7 rn empuny ai instum en
Enhanced Thematic Mapper (ETM+).
TM mempunyai 7 pita spektral, dan TM pita 7 tidak dirancang bersamaan
dengan 6 pita lainnya Pita 7 ditambahkan setelah 6 pita lainnya ada berdasarkan
pennintaan masyarakat geologi, karena daerah sekitar 2 p berguna untuk penilaian
alterasi hidsotamal. EXM+ padaLandsat 7 memiliki karakteristik seperti TM setelah
memperbaiki resolusi spasial pada pita termal dan menambah pita spektral
pankroniatik (Richards dan Xiupirig Jia 1999).
Tabel 2. Karakteristik dari Landsat TM dan lZTM+
Instmien
TM
ErM+
Pita Spektral (pn)
IFOV (m)
1
0,45 - 0,52
(biru)
30 x 30
Dynamic
range (bits)
8
2
0,52 - 0,60
(hijau)
30 x 30
8
3
0,63 - 0,69
(merah)
30 x 30
8
4
0,76 - 0,90
(inframerah dekat)
30 x 30
8
5
1,55 - 1,75
(inframerah tengah) 30 x 30
8
7
2,08 - 2,35
(inframerah tengah) 30 x 30
8
6
10,4 - 12,5
(Termal)
120x120
8
1
0,45 - 0,52
(biru)
30 x 30
8
2
0,52 - 0,60
(hijau)
30 x 30
8
4
0,76 - 0,90
(infmerah dekat)
30 x 30
8
5
1,55 - 1,75
(inframerah tengah) 30 x 30
8
7
2,08 - 2,35
(inframerah tengah) 30 x 30
8
6
10,4-12,5
(Termal)
60 x 60
8
plus
0,52 - 0,90
(Pankromatik)
15 x 15
8
Sumber: Richards dan Xiuping Jia (1999) (sudah diedit)
Kombinasi yang tepat dari pita-pita 'I'M menghasilkan klasifikasi citra dengan
akurasil ketelitian yang tinggi. Di antara ketiga pita kasat mata (pita 1,2, dan 3) dan
di antara kedua pita inframerah-tengah (pita 5 dan 7) erat korelasinya Penggunaan
semua pita non termal dapat berlebihan (redundant) dalarn kandungan inforrnasi,
disamping juga memerlukan banyak waktu, usaha, dan kapasitras penyimpanan
dalanl proses klasifikasi (Jaya dan Kobayashi 1994). Salah satu dari pita kasat mata,
digabungkari dengan pita 4 dan salah satu dari pita inframerah-tengah dapat
menangkap lebih banyak infoxmasi penutupan lahan (Jaya 1996).
Jaya dan Kobayashi (1995) mendapatkan bahwa dari kombinasi dua sampai
lima pita spektral selalu mempunyai TM pita 5. Ini menunjukkan bahwa keberadaan
'I'M pita 5 dalam kombinasi pita tersebut memainkan peranan penting untuk
menghasilkan pemisahan (separation)yang lebih baik. Dengan rnenggabungkan pita
5 dengan pita kasat mata (pita 1,2, dan 3) dan inframerah-dekat dapaf meningkatkan
palisahan klas.
111. METODOLOGI
3.1. Tempat dm W akta Penelitian
Penelitian teniiri dari dua kegiatan, yaitu: (a) pengecekan lapangan, di Hutan
Lindung Gunung Beratus yang berada dalam areal keja NPH PT. Balik Pqan Forest
Industries (PT.BPI), Kalimantan Timur, dan (b) pengolahan citra serta analisis data,
di Laboratoriwn Bologi Hutan Fakultas Kebutanan IPB Bogor. Penelitian
dilaksanakan dari bulan Juni 2001 sampai dengan Oktober 2001.
3.2. Citra dm Data Pemdnknng
Citra dan data pendukung yang digunakan:
(a) Citra Ikonos 1154-lbd Kalimantan yang meliput sebagian areal Hutan
Lindung Gunung Beratus, Kalimaatan Tmur. Koordiiat liputan citra
0°:58':56',18
S
-
1°:7':6",51 S (407484,61 E
-
422556'83 E) dan
-
1160:10':6',58 E 1160:18':14",12 E (9876365,66 N - 9891417,66 N). Citra
tersebut diakuisisi tanggal 28 Oktober 2000. Citra Ikonos yang digunakan
merupakan ghungan Pan dengan Multispektral RG33 432 ( i n h e r a h
dekat-merah-hijau) 11 bit dengan resolusi spasial 1 meter, yang geometrik
dan radiametriknyatelah dikoreksi.
(b) Citra Landsat Multispektral path-row 117-061 yang diakuisisi tanggal 26
Juni 2001.
(c) Peta areal k@aPT. BFI dan petatopografi.
3.3. S o m a r e dan Hardware
Pengolahan citra menggunakan sepemngkat Personal Computer (PC) dengan
sofware ER Mapper, Erdas, Arc View dan Arc View Image Analysis, sedangkan
analisis data menggunakan sofiyare Excel dan Minitab.
3.4. Peralatam di Lapangan
Kegiatan lapangan menggunakan pemwat Global Positioning System (GPS),
kompas, haganeter atau bEumeZeiss, m&errm,phi-band, kanera, tali, dan pa-ang.
3.5.
Prosedur Penelitian
Penelitian mencakup kegiatzn pengolahan c~tra,pengumpulan dan analisis
data lapangan (jumlah pohon, ratarata tinggi total, basal area, biomasa pohon di atas
permukaan tanah, LAI, dan penutupan tajuk), dan menentukan karelai antaraNDV1
dengan data lapangan.
3.5.1. Pengolahan citra
Skemapengolahan citra Ikonos dan Landsat dapat dilihat pada Gambar 1.
Pemutaran (ratdon)citra Ikonos
Apabila kenampalcan obyek di citra Ikonos memperlihatkan kesan pseuddopis yang
menyulitkan interpretasi visual maka c i h tersebut pedu diputa 180 derajat,
sehingga lebih mudah diinterpretasikan s e e m visual. Pemutaran masing-masing
dataset Ikonos 1 m sebelum penggabungan dataset (mosaic) ciapat bertiasil dengan
baik, sebaliknya apabila pemutaran citra dilakukan terhadap dataset gabungan (hasil
+
I
I Rotasi I
L
Penentuan Plot
di Citra
4I
Interpretasi
Visual
I
Multispektal Belum
Mosaik
dari Dataset
1.2 .....n
1
Pernotongan Citra
( Potongan Citra I
Statistik Citra
T
bransformasi Ukuran ~iksell
Rotasi
1-1
1-
Training Area
1
Interpretasi
Visual
4
Penggunaan Lahan
Gambar 1. Skema pengolahan citra ikonos dan Landsat
Dataset
Streching
I
mosaic) seringkali memalukan waktu yang cukup lama dan tidak selalu berhasil
karena kapasitas sirnpanan data yang besar.
Penggabnngan citra Ikonos
Semua dataset hasil rotasi digabungkan menjadi satu dataset melalui proses
mosaic. Dataset hasil mosaic dapat digunakan langsung untuk interpretmi v i d ,
tetapi dataset tersebut hams dihitung statistiknya bila digunakan untuk interpretasi
dijital, dan dataset yang digunakan ialah dataset yang dapat dihitung statistiknya
Penghitungan statistik a k a Ikonos
Dataset gabungan dapat dihitung statistiknya apabila dataset-dataset ymg
digabung pada proses mosaic telah dikoreksi geometrik &ngan ketelitian yang sama
Jika gabungan 5 dataset tidak dapat dihitung statistiknya maka dilakukan mosaic
untuk 4 dataset, kemudian kembali dihitung statistik terhadap dataset yang dihasilkan.
Jika penghitungan statistik tidak dapat dilakukan t d a d a p dataset tmebut maka
dilakukan mosaic terhadap 3 dataset, dan terakhir untuk 2 datasd. Dari 5 dataset yang
digunakan, penggabungan 4 dataset menjadi 1 dataset dapat dihitung statiatik
citranya Statistik citra Ikonos dapat dilihat pada L a m p i i 1.
Merrrbah akuran piksel Ikonos
CitraIkonos berukwan piksel 1m dirubah menjadi Ikonos berukuran piksel5,
10, 20, dan 30 m. Ukuran piksel 1m dirubah menjadi 5,10, dan 20 m karenaukuran
petak pengamatan dalan plot contoh berukuran 5 x 5 m, 10 x 10 m, dan 20 x 20 m.
Ketiga citra Ikonos tersebut digunakan untuk membud citm NDVI. Perubahan
ukuran piksel menjadi 30 m sesuai dengan ukuran piksel Landsat, dan citra Ikonos
tersebut digunakan untuk meregistasi Landsd.
Pernutaran citra Ikonos
Ikonos piksel 30 m harus diputar kembali 180 demjat sebelum digunakan
untuk memgistrasi citra Landsat. Peanutaran citra dapat berhasil dengan baik kaena
kapasitas penyirnpanan data Ikonos gabungan piksel 30 m jauh lebih kecil
dibandingkan dengan data Ikonos gabungan piksel 1m.
Pemotongan citra Landsat
Dataset Landsat@l sene dipotong kira-kira sana dengan area yang terliput
oleh mosaic Ikonos.
Registrasi Landsat demgan Ikonos
Koreksi geanetris citra Landsat dilakukan dengan cara meregistmi citra
Landsat dengan citra Ikonas yang telah dirubah ukuraa pikselnya sama dengan
ukuran piksel Landsd. Ground control points (GCPs) untuk registrasi dicari yang
dapat dikenali pada citra Landsat dan citra Ikonos. Sistem datum yang digunakan
ialah WGS 84 dengan proy eksi Universal Tmnsverse M e ~ a t o (UTM)
r
pada zone 50
South (S).
Dengan menggunakan transf'onnasi M i e dan 4 GCP pada regiEitrasi citra,
rata-rata root mean square ermr (RMSE) diperoleh 0.157. Hal ini sesuai dengan
pernyataan Jaya (1997) bahwa jumlah GCP minimum unttlk trandmmasi M n e = 3,
dan ratacata RMSE hams kmmg dari 0.5 piksd. Hasil transformasi koordinat
Landsat dengan koordinat Ikonos dapat dilihat di Larnpiran 2.
Ccdink antara Landsat dengan Ikonos
Citra Landsat yang telab diregidmi dengsn Ikonos di-gedink-kau dengan
citraIkonos. Datmet Landsat yang dihasilkan digunakan untuk proses selanjutnya
Interpretasi visual terhadap Ikonos dan Landsat
Interpretasi citra secara visual diiakukan dengan mengidentifiikasi dan
mendelinasi kelas-kelas penutupan dan penggunaan lahan berdasarkan unsur-unsur
interpretmi: ukuran, bentuk, tonel m a , bayangan, tekstur, pola, lokasi, dm asosiasi
(Lillesand dan Kiefer 1997). Kelas-kelas p u t u p a n lahan didefmisikan berdasarkan
Klasifikasi FA0 pada Lampiran 4.
Interpretmi visual berguna sebagai dasar untuk penentukan kelas-kelas
penutupan lahan dan pnmunaan lahan pada klasifikasi citra secara digital dan untuk
penentuan ldak plot-plot contoh pada citra
Klasifikasi &a Ikonos d m Lgndsat secara digital
Informasi tematik dapat diperoleh dari analisis data p e n g i n d m jauh.
Metoda untuk memperoleh inf'omasi tematik dari datapenginderaanjauh yang paling
sering digunakm ialah k l d k a s i multispektml berdasakan analisis terhadap sifat
reflektansi. Analis harus dapat menterJemahkan kelas-kelas
rq~lctml
menjadi
kelas-
kelas infmasi.
Klasif'ikasi multispektral dilakukan rnenggunakan dua metoda:
t erbimbing (supervi~d) dan tidak t erbimbing (unsupervised) (Jensen 1986).
Klasifikasi terbimbing merupakan prosedur yang paling sering digunakan untuk
analisis kuantitatif terhadap &a citra penginderasn jauh @chard 1993).
Klasifikasi citra yang digunakan untuk Ikonos dan Landsat pada penelitian
ini ialah klasifikasi terbimbing (supervised classi$c~ion)dengan metoda peluang
maksimum (maximwn likelihood method). Metoda tersebut mempakan metoda
klasiftkasi terbimbing yang paling umum digunakan (Richard 1993). Klasifikasi citra
Ikonos dilakukan terhsdap &as&
1 pita spektral, dataset krmbinasi 2 pita spektrat,
dan dataset kombiiasi 3 pita spektral, sedangkan klasifikasi citra Landsat diiakukan
tehadap dataset 1pita spektral, dataset kombinasi 2, 3,4,5 pita spektral, dan dataset
6 pita spektral.
Analisi~~~abilitas
Beberapa cara mengukur sepaabilitas untuk menentukan kambinasi pita
spektral yang terbaik untuk klasifikasi terbimbing, yaitu Divergenfi (D),
Transformasi Divergensi ('I'D), Battachayya Didance (B-D), dan Jeffries-Matusita
Distance (JM-D). Mausel et al. (1990) (diacu dalam Jaya 1996) memkomendasikan
bahwa TD dan JM-D memberikan hasil yang lebih baik. Pada penelitian ini
digunakan pengukunm TD.Rumus separabilitas yang digunakaa idah (Swain dan
Davis 1978, Jensen 1986, dan Jaya 1996):
'I'D = 2000 (1 - eDJjB)
Nilai divergensi dihitung dengan:
Dj, = 0,s tt [(C, -c,)(G-~-q'l)]
+ 0,s h.
[(c"-c,-')(M - M,)(M, - M,jT]
Dimana Ci = malriks peragam kelas ke-i, C; = mairiks pemgam kelraj! ke-j, Mi=
matriks rata-rata kelas ke-i, dan Mj= matriks rata-rata kelas ke-j.
Kriteria tingkat keterpisahan dari nilai divagensi menurut Jeasea (1986) dan
Jaya ( 1 996) dapat dilihat pada Tabel 3.
Tabei 3. Kriteria tingkat keterpisahan
Nilai T d o n n a s i Divergensi (qj) Keterangan
TDjj >_ 2000
Sempurna (adlent)
1900 2 TDjj > 2000
Sangat Baik (Good)
1700 2 TDjj> 1900
Baik (Fair)
1600 > TDjj> 1700
Cukup baik (Poor)
TDjj< 1600
Tidak terpisahkan (insepmble)
Pada penelitian ini dipilih kanbinasi-kanbinasi pita spelrtral yang
mempunyai TD minimum > 1600 untuk selanjutnya dilakukan uji sku&.
Evaluasi akurast'
Evaiuasi akurasi untuk menentukan berapa besar persentase ketelitian dalam
mengkelaskan suatu areal menjadi kelas-kelas penutupan dan penggunaan lahan,
dengan cam menghitung jumlah piksel s e a contoh (training area)
yang
diklasifiiikan dengan benar dan salah. Akurasi dievaluasi dengan: ( 1 ) ovemlt
accuracy, (2)producer'saccuracy (omission error), (3) user 's accuracy (commission
error), dan ( 4 ) Kappa accuracy.
i =l
Overall accuracy = -x 100 %
N
i=l
Producer's accwacy = -x 100 %
Xl +
i =l
User's accuracy
=
-x 100%
x+1
it1
i=l
Kappa accuracy =
x 100 %
Dim ma:
N =jumlah piksel setiap kelas pada training area
r
=jumlah kelas
X+= Z Xj (jumlah kolm pada baris ke-i)
X+, = X Xj (jumlah kolom padabaris ke-j)
Akurasi dievaluasi dengan membud matriks contingency, yang lebih dikenal
&ngm matriks kesalahm (con$mon matrix) seperti pada Tabel 4.
Tabel 4. Matriks kesalahan (confwion matrix)
Data Acuan
Training
Area
Diklasifikasikan ke Kelas
A
User's Acc.
qk&
B
...
Total Baris
&+
D
Producer's
Accuracy
&k&+
Badan Survey Geologi Amerika Serikat (USGS) (diacu dalam Lillesand dan
Kiefer 1997) mensyaratkan tingkat a k d ketelitian klasifikasi penutupan dan
penggunaan lahan, ialah: (1) tingkat akurasi > 85 %, dan (2) akurasi h m s lebih
kurang sama untuk beberapa kategoril kela.
Pada penelitian ini dipilih kombinasi-kombinasi pita spektral yang
mempunym Kappa accuracy, overall accuracy, user's accuracy, dan producer's
accuracy > 85 %.
Penentnan plot contoh pada citra
Khusus untuk penutupan hutan yang diklasifhikan menjadi hutan rapat
(closedforest: high density), hutan kerapatan sedang ( c t o ~ forest..
d
medium density),
dan hutan jarang (opened forest) pada analisis visual berdasdan klasifikasi FA0
(Lampiran 4), pada tiap kelas tersebut dibuat plot contoh bendcwan 80 x 80 m (0,64
ha)., Plot-plot contoh ditentukan pada citra Ikonos piksel 1m sebelum penentuan di
lapangan, dimana plot ditempatkan dekd dengan ciriciri dam maupun budan
(contohnya persimpaugan sungai dan persimpangan jalan) yang terlihat di citra
Ikonos piksel 1 m. Ciri-ciri tersebut &an mempamudah mencari lokasi plot contoh
di lapangan. Koordinat-koordinat plot contoh yang ditentukm pada citra digunakan
sebagai acuan untuk membuat plot-plot contoh di lapangan. Penentuan plot contoh
pada citraIkonos 5,10,20 m, clan Landsat berdasdau plot contoh pada citraIkonos
1m, dengan caramelakukan gedink antara citra-citra tersebut dengan Ikonos piksel 1
m.
Gambar 2. Posisi piksel Landsi padaprksel Ikonos 10 m untuk plot 1,2 dan 3.
Dalam plot contoh berukum 8 x 8 piksel pada citra Ilconos piksel10 m dapt
dibuat plot contoh bedcuran 2 x 2 piksel pada citra Landsat seperti pada -bar
Koordinat pusat ketigaplot tersebut ialah:
Plot 1: 1°:0':45",69 S dan 116415':47", 64 E
2.
Plot 2: 1°:0':48",29 S dan 116°:157:13", 67 E
Plot 3: 1°:1':05",23 S dan 116415':55", O8E
Indeks veg-
Dataset Ikonos dan Landsat d i m M menjadi citra indeks vegetmi
menggunakan trandacmasi Abmd Lhiference VegetationIndw (NDVI).
NDFT =(MR- red) / (MR+ red)
Nilai indeks vegetasi pada citra Ikonos piksel5 m, 10 m, 20 m, dan Landsat
dikorelaikan dengan &a lapangan (jumlah pohon, ratersta tinggi total, b a d area,
biomasa pohon di atas permukaan tanah, LAI, dan penutupan tajuk). '
3.5.2 Peanbnatan plot contoh di lapangan, pengrrmpnlan dan analisis data
lapangan
Koordinat plot contoh di lapangan ditentukan dengan GIPS sesuai
koordinatnya di citra Pada plot-plot contoh dibuat petak-petak pengamstan
Semua pohon berdiameter 1 10 an dalan plot pengamatan dicatat, dan
dilanjutkan dengan pengukuran diameter setinggi dada, tinggi bebas cabarg, tinggi
total, posisi batang dan proyeksi tajuk. Diameter setinggi dads diukur menggunakan
phi-band pada ketinggian 1,3 meter di stas pennukaan tanah untuk pohon yang tidak
berbanir atau 10 - 30 cm (ratarata 20 m) di atas bank. Pengukuran tinggi pohon
menggunakan hagameter atau blumeleiss. Pengukuran pwisi batang d m proyeksi
tajuk digambarkan pada kertas milimeter langsung di lapangan. Posisi pohon pada
petak penganatan 5 x 5 m clan 20 x 20 m serta penghltungan persentase penutupan
tajuk diientukau berdasdcan gambar pada kertas milimeter.
Batasan yang dgunakan untuk pohon berdiameter 5: 10 cm berdasarkan Lugo
dm Brown (1992), bahwa pendugaan bimasa hutan tropik selama ini memfokuskan
pada biomasa pohon-pohon di atas-permukaan untuk diameter minimum 10 cm dan
luasan yang kecil.
Basal area dihitung dengsn rumus 0,7854 x
d .Biornasa di stas pexmukm
tanah dan LA1 dihitung dengau pemamaan alam etrik dari Ogawa (1965,1976, 1985,
1992: diacu dalam Wasrin et d.1997) sebagai berikut:
Untuk hutan primer:
- Biornasa batmg (ws) = 0,0396 @ 2 ~ ) ~ * ~ ~ ~ ~
- Biomasa cabang (wb) = 0,00602 ( D 2 ~ ) l r n 7
- Biomasa daun (wl) = ws / (13,75 + 0,025 ws)
- Total biomasa (B) = ws + wb + wl
- LAI = ws / (0.907 + 0.00205 ws)
Untuk hutan s e h d e r :
- Biomasa batang (ws)= 0,0396 @2H)09326
- Biomasa cabang (wb) = 0,003487 (I?H)1s027
- Biomasa daun (wl) = ws / (22,s + 0,025 ws)
- Tota1 biom asa (B) = ws + wb + wl
- LAI = ws/ (0.907 + 0.00205 ws)
Hutan Lindung G. Beratus Kalimantan Timur merupakan areal bekas
tebangan (log over areal LOA) dari HPH. PT.BE, sehmgga perhitungan biomasa
dan LA1 menggunakan persamam alometrik untuk hutan sekunder.
3.5.3. Model peudagaan parameta tegakrm h u h dan penMan hipotesis
Model r e p s i linier sedehana antara paraneter tegakan hutan (jumlah pohon,
ratai-ata tinggi total, basal aea, biomasa pohon di atas permukaan tanah, LAI, atau
penutupan tajuk) dengan nilai indeks vegetasi yaitu:
Y=h+b1X
Dim ana:
Y
= parameter tegakan hutan (jumlah pohon, ratarata tinggi total, basal area,
biomasa pohon di atas pemukaan tanah, LAI, atau penutupan tajuk)
X = nilai indeks vegetasi
bodan bl = konstanta/ parameter model
Pengujian hipotesis dimaksudkan untuk menunjukkan ada atau tidak
hubungan antara parsmeter tegakan hutan (jumlah pohon, rsta-rata tinggi total, basal
area, biomasa pohon di at= permukaan tanah, LAI, atau penutupan Qjuk) dengan
nilai NDVI. Pengujian hipotesis melalui analisis sidik ragan seperti padaTabel5.
Kriteria uji F ialah jika Fht, > Fdel ( k d b 9 maka terima HI, sebaliknyajika
Fhitung
< Ft.bd( k d b + maka terimaH,,. Untuk menentukan tingkd ketelitian model rtau
menunjukkan pasentase kemampuan peubah bebas (nilai indeks vegstasi) dalam
menjelaskan peubah tidak bebas (parameter tegakm hutan) digunakan koefisien
determinasi (R~).
Tabel 5. Tabel sidik ragam
Sumber
Kqaman
Regresi
DerajatBebas
(db)
P -1
JumlahKu~
Kuadrat
(JK)
Tengah (KT)
P'X'Y -@
JKWJKT
JKT - JKR
JKS/SI(T
Total
K- 1
Y'Y -kyZ
Keterangan: P =jumlah parameter dan K =jumlah plot contoh
Sisa
K-P
F hitung
KTR/KTS
IV. HASIL DAN PEMBAHASAN
4.1. Klasifikasi Citra
4.1.1. Ikonor
Pada interpretasi visual terhadap Ikonos RGB 432 p i b e l l m dapat dibedakm
antara hutan rapat, hutan kerapah sedang, hutan jaraug, semak, awan, bay-
awan, bayangan relief, tan& terbuka, jalan, dan sun@. Meskipun secara visual di
citra Ikonos, hutan @at
dilaskan menjadi tiga kelas b e r d a s b tonel
wan?%
tekstur, clan bayangan, kenyaiaamya cli lapangan hutan tersebut masuk dalam satu
kategori yang sama menurut Masifikasi FAO. Pada Tabel 11 dibetikan persentase
penutupan tajuk dari ketiga plot pengamatan berturut-turut 58,62 %, 69,59 %, dan
70,47 %. Berdasarkan Klasifikasi FA0 (Lampiran 4), hutan tersebut menipakan
hutan kerapatm sedang (closedforest:medium hnsity) dengan persentase penutupan
tajuk 40 - 70 %.
Kelas tanah terbuka pada citra Ikonos tidak dapat dilakukan trdning area
karena kelas tersebut tertutup awan tipis. Training area juga tidak dapat dilakukan
pada jalan dan sungai, karena lebar jalan dan sungai urnumnya 1 - 2 piksel pada
Ikonos piksel 5 a Pada klasifikasi digital terhadap Ikonos, kelas-kelas yang
didapatkan ialah hutan bekas tebangan (Log Over Area/ LOA), semak, awan tebal,
awan tipis, bayangan awm, dan bayangan relief Kelas penutupan l h y a ialah Log
Over Area dan Semak. Karenajalan dan sungai tidak dikelaskan temendiri maka jalan
1::e:;adi
s&a keias de::gz:
axvz~d m st~igai1::el:jadi
satu kelas dengal baymgan
awan pada citra kiasifikasi.
Citra lkonos KGB 432 yang akan dikiasfikasi dan citra Ikonos KGB 432 hasiI
klasifikasi,dapat ddiiihat pada Gambar 3, sedangican rata-rata nilai piksel masingmasing kelas pada setiap pita spektral dapat diiihat pada Gambar 4.
I:
Awan tebal
Log Over Area
Awan tipis
Semak
Bayangan relief
Bayangan Awan
Gambar 3.
(a) Citra Ikonos RGB 432 yang akan diklasifikasi; dan (b) citra Ikonos
RGB 432 hasil klasifikasi.
1800
1600
1400
%
8
a
4'
+- Log Over Area (LOA)
1200
-43-Sanak
o
1,
-0-
Awan Tcbai
800
A m Tipis
6m
+Bayangan Awan
400
-bBayangan Rclicf
200
0
2
3
4
Pihopektral
b
Cfambar4. Rata-rata nilai piksel masing-masing kefas pada setiap pita s p e W
Ikonos.
Hasil evaluasi separabilitas dan hail evaluasi akurasi terhadap klasifhsi
Ikonos secara lengkap berturut-turut dapat dilihat pada Lampiran 5 dan Lampiran 6.
Pada Lampiran 5 dapat d i l M dataset Ikonos kombinasi 2 pita s
p
e
w yang
menggunakan pita 4 dalam kombinasinya, dan Ikonos RGB 432 mempunyai raEa-rata
tranrtformasi divergemi (TD) rata-rata dan minimum > 1600. Pada Lampiam 6 dapat
dilihat Ikonos RGB 432 dan Ikonoa kombinasi 2 pita spektral yang menggunaican pita
4 dalam kombinasinya mempunyai overall accuracy (OA) dan Kappa accuracy (KA)
> 85 %. Ikonos pita 2-3 mempunyai akurasi (OA dan KA) lebih rendah daripada
Ikonos pita tun&
(1 pita). Di mtam 3 pita spektral lkonos yang d i g m h a , pita 4
mempunyai akurasi OA dan KA paling tinggi sedan*
yang paling rendah
akurasinya pada pita 2. Dataset Ikonos yang mempunyai TD rata-rata clan minimum
> 1600, serta OA clan KA r 85 % dapat dilihat padaTabel6.
Tabel 6.
Trandormasi divergensi rata-rata dan minimum, overall accuracy, dan
Kappa accuracy dari hasil klasifikasi Tkonos RGB 432 dan Ikonos
kombinasi 2 pita spektral
Kombinasi
Pita Spektral
T&ormasi
Rata-rata
2-3-4
1992
Divwmi
Minimum
1938
Overall
Accuracy (%)
Kappa
Accuracy (%)
100,OO
100,OO
Pada Tabel 6 dapat dilihat bahwa Masifikasi lkonos RCB 432 mempunyai
TD rata-rata dm minimum, OA, dan KA lebih tinggi dibandingkan Ikonos kombinasi
2 pita spektral. Ini berarti bahwa penggunam kombinasi 3 pita spektral Ikonos (pita
2, 3, dan 4) menghasilkan klasifikasi yang lebih tinggi akurasinya daripada
menggunakan dua pita spektral. Apabila menggunakan dua pita spektral di antara tiga
pita tensebut, maka kombinasi pita 2 dengan p
LANDSAT UNTUK EVALUASI HUTAN HUJAN
TROPIKA DATARAN RENDAH
OLEH :
HILDANUS
PROGRAM PASCASARJANA
INSTITUT PERTANIAN BOGOR
2002
ABSTRAK
HILDANUS. Kajian Penggunaan Data Ikonos dan Landsat untuk Evaluasi Hutan
Hujan Tropika Dataran Rendah. Dibimbing oleh UPIK ROSALINA dan M. BUCE
SALEH.
Penelitian penggunaan data Ikonos Pan - Multispektral (gabungan Pan dengan
Multispektral) RGB 432 dan Landsat Multispektral optik (non-tennal) untuk evaluasi
hutan hujan tropika dataran rendah di Hutan Lindung Gunung Beratus Kalimantan
Timur bertujuan untuk: (1) mengkaji kemarnpuan data satelit Ikonos dan Landsat
untuk mengklasifikasikan penutupan hutan secara digital serta menentukan kombinasi
pita spelctral dari Ikonos dan Landsat yang terbaik, dan (2) mencari hubungan
matematis terbaik antara nilai respon s p e w pada citra lkonos dan Landsat, masingmasing dengan jumlah pohon, rata-rata tinggi total, basal area, biomasa bagian po hon
di atas tanah, LAI, dan penutupan tajuk, di hutan hujan tropika dataran rendah.
Penggunaan Ikonos RGB 432 dan Ikonos kombinasi 2 pita spektral yang
menggunakan pita 4 (pita i n h e r a h dekat) dalam kombinasinya dapat menghasilkan
akurasi klasifikasi (overall accuracy, Kappa accuracy, user's accuracy, dan
producer's accuracy) > 85 % untuk mengkelaskan citra yang meliput hutan menjadi
Log Over Area (LOA), semak, awan tebal, awan tipis, bayangan awan, dm bqangan
relief Klasifikasi terhadap Ikonos RGB 432 mempunyai transformasi divergensi ratarata dan minimum, overall accuracy, dan Kappa accuracy berturut-turut 1992, 1938,
100 %, dan 100 %. Dataset Ikonos pita 2-4 terbaik di antara dataset Ikonos kombinasi
2 pita spektral, dengan transformasi divergensi rata-rata dan minimum, overall
accuracy, dan Kappa accuracy berturut-turut 1990,1925, 99,87 %, dan 99,81%.
Penggunaan 3 sampai 6 pita spektral Landsat Multispektrd optik dapat
menghasilkan akurasi hasil kl asifikasi (ovaall accuracy, Kappa accuracy, user's
accuracy, dan producer's accwacy) > 85 % untuk mengkelaskan citra yang meliput
hutan menjadi Log Over Area (LOA), semak, tanah terbuka, bayangan reliec
campwan LOA dengan bayangan relief, awan, dan bayangan awan. Dataset Landsat
pita 1-2-4-5-7 m e r u p a h dataset yang terbaik di antara semua dataset yang dapat
dibuat dari 6 pita spektral Landsat Multispektral optik, dengan transformasi
divergensi rata-rata dan minimum, overall accuracy, dan Kappa accuracy berturuttumt 1975, 1814, 96,37 %, dan 95,72 %. Dataset Landsat pita 2-4-5 tehaik di antara
dataset Landsat kombinasi 3 pita spektral, dengan transformasi divergensi rata-rata
dan minimum, overall accuracy, dan Kappa accuracy berturut-turut 1959, 1754,
94,56 %, clan 9339 %.
Citra NDVI Landsat berkorelasi dengan rata-rata tinggi total, basal sea,
biomasa di atas permukaan tanah, LAI, dan penutupan tajuk dari pohon berdiameter
10 cm atau lebih, tetapi tidak mempunyai korelasi dengan jurnlah pohoa Model
regresi linier antara NDVI Landsat dengan rata-rata tinggi total, basal area, biomasa
di atas permukaan tanah, LAI, dan luas penutupan tajuk ialah:
Rata-rata tinggi total = -2,22642 + 57,407NDVI; R' = 54,9 %
Basal area = -42,8128 + 184,070NDVI; R~= 70,6 %
Biomasa di atarr permukaan = -527,266 + 2050,68NDVI; R' = 69,1%
LA1 = -16,5396 -t64,763irNDVI; R~= 69,5 %
Penutupan tajuk = 43,5987 + 63,6993NDVI; S = 9,81106; R~= 5,6 %
CitraNDVI Ikonos piksel 5, 10, dan 20 m hasil interpolasi/ resampling piksel
dari Ikonos Pan-Multispektral RGB 432 piksel 1 m tidak dapat digunakan untuk
menduga jumlah pohon, rata-rata tinggi total, basal area, biomasa bagian pohon di
atas tanah, LAI, clan penutupan tajuk, di hutan hujan tropika dataran rendah.
SURAT PERNYATAAN
Dengan ini sayamenyatakan bahwa tesis yang berjudul:
KAJIAN PENGGUNAAN DATA IKONOS DAN LANDSAT UNTUK EVALUASI
HUTAN HUJAN TROPIKA DATARAN RENDAH
adalah benar hasil karya saya dan belum pernah dipublikasikan. Semua sumber dan
infonnasi yang digunakan telah dinaydakan secara jelas dan dapd diperiksa
kebenarannya
Bogor, Septe~ber2002
KAJIAN PENGGUNAAN DATA IKONOS DAN
LANDSAT UNTUK EVALUASI HUTAN W A N
TROPIKA DATARAN RENDAH
HILDANUS
Tesis
sebagai salah satu sy& untuk memperoleh g e l s
Magistet- Sain pada
Program Studi Ilmu Pengetahuan Kehutanan
PROGRAM PASCASAWANA
INSTITUT PERTANIAN B O O R
2002
Judul Tesis
: Kajian Penggunaan Data Ikonos dan Landsat untuk Evaluasi
Hutan Hujan Tropika Dataran Rendah
Nama
: Hildanus
Nomor Pokok
: 99319
Program Studi
: Ilmu Pengetahuan Kehutanan
Menyetujui:
1. Komisi Pembimbing
Dr. Ir. Upik Rosalina, DEA
Ketua
Dr. Ir. M. Buce Saleh, MS
Anggota
Mengetahui:
2. Ketua Program Studi
Ilmu Pengetahuan Kehutanan
3. Direktur Program Pascasarjana
3d
Prof. Dr. Ir. Cecep Kusmana, MS
2 7 JAN 2003
Tanggal Lulus: 26 September 2002
Penulis dilahirkan di P h g pada tanggal 13 Oktober 1963 sebagai anak
kedua dari ayah Abulinar (alrnarhum) dan ibu Marjani (almarhumah).
Tahun 1982, penulis lulus dai SMA Negeri 1 Padang, clan pada tahun yang
sama lulus seleksi m a d Universitas Andalas Padang. Pendidikan sarjana ini
ditempuh di Program Stud Ilmu Tauah, Fakultas Pataniaa, dan lulus pada tahun
1987. Tahun 1987 - 1992, penulis bekerja di PT.Peconina B m yang btxgecsk di
bidang perkebunan teh, dm sejak tahun 1992 sanpai seklatsng bedugas sebagai staf
pengajar Kopertis Wilayah 1 Medan di Sekolah Tinggi Ihnu Kehutanan Pante Kulu
Bmda Aceh.
Pada tahun 1999, penuiis mendapat kesempatan untuk melanjutkm stud
Pascasarjana (S2) di Program Studi Ilmu Kehutanan Program Pascasajana IPB
dengan beasiswa BPPS.
PRAKATA
Puji syukur ke hadhit Allah SWT karena atas segala rahmat dan karunia-Nya
penulisan tesis ini dapat terselesaikan Tema yang dipilih dalam penelitian yang
dilaksanakan dari bulan Juli 2001 sampai Oktober 2001 di Hutan Lindung Gunung
Beratus Kalimantan Timur ialah penggunaan data satelit di kehutanan.
Terima kasih penulis ucapkan kepada Ibu Dr. Ir. Upik Rosalina, DEA dm
Bapak Dr. Ir. M Buce Saleh, M S selaku pembimbing pada penyusunan tesis.
Disamping itu, penulis mengucapkan tsrima kasih kepada Ibu Dr. Ir. Upik Rosdina,
DEA sebagai Kepala Laboratorium Ekologi Hutan Fakultas Kehutanan IPB yang
telah memberi kesempatan untuk menggunakan data satelit Ikonos dan Landsat serta
s o f l ~ r pengolahan
e
citra dan fasilitas lainnya selama penelitian. Selanjutnya terima
kasih diucapkan kepada Bapak Edi Pennana, S.Hut, Bapak Aep Hidayat, BscF, Sdr.
Waluyo, Sdr. Hasan Rohim dan Ibu Murdhiani (Staf Laboratorium Ekologi Hutan)
serta Bapak Saeful Ichwan, S.Hut ( S M LMGC-IPB) yang membantu selma
pengumpulan data, pimpinan dan staf HPH PT. Balik Papan Forest Indwtries (BR)
yang telah memberi izin dan bantuan selama penulis melakukan penelitian di
lapangan. Kepada Aim Ayahanda Abulinar dan Alm. Ibunda Marjani, tiada kata
yang dapat penulis ucapkan karena dengan kasih sayang dan perhatian beliau semasa
hidup telah mengantarkan penulis untuk dapat melanjutkan pendidikan di IPB. Tidak
lupa mengucapkan banyak terima kasih kepada istriku tercinta Rienoviar, kedua
putriku Vilda Desryma dan Khairunnisa, kakak, dan ad&-adii yang telah memberi
dukungan moril selama penulis pendidikan di IPB.
Semoga tesis ini dapat menjadi sumbangan yang berarti bagi ilmu
pengetahuan, khususnya ilmu pengetahunan kehutanan dm penginderaanjauh.
Bogor, September 2002
Hi Idanus
DAFTAR IS1
DAFTAR GAMBAR
DAFTAR LAMPIRAN
I.
PENDAHULUAN
1.1. Latar Belakang
1.2. n j u m Penelitim
1.3. Hipotesis Penelitian
11.
TINJAUAN PUSTAKA
2.1. Pendugaan Biornasa
2.2. Indeks Luas Daun
2.3. Indeks Vegetasi
2.4. Citra Satelit
111. MmODOLOGI
3.1. Tempat dan Waktu Penelitian
3.2. Citra dm Data Pendukung
3.3. &@ware dm Hardware
3.4. Peddan Lapangan
3.5. Prosedur Penelitian
IV. HASIL DAN PEMBAHASAN
4.1. Klasifrkasi Citra
4.1.1. Ikonos
4.1.2. Landsat
4.2. Korelasi
V. KESIMPULAN DAN SARAN
5.1. Kesimpulan
5.2. Saran
DAFTAR PUSTAKA
LAMPIRAN
xii
...
Xlll
DAFTAR TABEL
Spesifikasi Ikonos
12
Karakt.eristik dari Landsat TM dan ETM+
14
Kriteria tingkat keterpisahan
23
Matriks kesalahan (confusion matrix)
25
Tabel sidik ragan
30
Transform asi divergensi rat a d a dan m inimum , overall accuracy, dan
Kappa accuracy dari hasil klasifikasi Ikonos RGB 432 dan Ikonos
kombinasi 2 pita spektral
34
User's accuracy dan producer's accuracy untuk Log Over Area dan
semak dari hasil klasifikasi Ikonos
35
Jumlah dataset yang dapat dibuat dari 1 pita spektral, kombinasi 2,3,4,
dan 5 pita spektral, serta 6 pita spektral pada Landsat Multipektrai
optik
37
Trandomasi dive-rgensi rata-rata dan minimum, overall accuracy, dan
Kappa accuracy dari hasil klasifikasi dataset kombinasi 2, 3, 4, dan 5
pita spektral, serta 6 pita spektral pada Landsat Multipektral optik
39
User's accuracy dan producer's accuracy wituk Log Over Area dm
semak dari hasil klasifikasi Landsat
41
Rata-rata per hektar jurnlah pohon, basal area, biomasa, LAI, dan
penutupan tajuk pada plot pengatnatan
42
Rekapitulasi uji F analisis regresi linier antai-a NDVI pada Ikonos
piksel 5 m, 10 m, dan 20 m, serta Landsat dengan beberapa parameter
tegakan hktan
43
Model regresi linier antara NDVI pada Ikonos piksel 5, 10, dan 20 m
dengan b e b e m a parameter tegakan hutan
44
Model regresi linier antaraNDV1 pada citra Landsat dengan beberapa
parambter tegakan hutan
45
DAFTAR GAMBAR
1.
Skenla pengolahan citra Ikonos dan Landsat
18
2.
Posisi piksel Landsat pada piksel Ikonos 10m untuk plot 1,2 dan 3
26
3.
(a) Citra Ikonos RGB 432 yang akan diklasifikasi, dan (b) citra Ikonos
RGB 432 hasil klasifikasi
32
4.
Rata-rata nilai piksel masingmasing kelas pada setiap pita spektral
Ikonos
33
36
5.
(a) Citra Lands& RGB 542 yang akan diklasifikasi, dan (b) Citra
Landsat pita 1-2-3-4-5-7 hasil klasifikasi
6.
Rata-rata nilai piksel setiap kelas pada masing-masing pita spektral
Landsat Multispektral non termal
37
Kurva regresi linier antara NDVI pada Landsat dengan rata-rata tinggi
total
45
8.
Kurva regresi linier antara NDVI pada Landsat dengan basal area
46
9.
Kurva regresi linier antaraNDV1 pada Landsat dengan bimasa
46
7.
10. (a) Kurva regresi linier antara biomasa di atas permukaan tanah dengan
rata-ratatinggi total, dan (b) kurvaregresi linier antara biomasa di atas
permukaan tanah dengan basal area
47
1.
Statistik dataset Ikonos piksel5,10, 15, dm 20 m
57
2.
GCP pada registrasi Landsat dengan Ikonos
59
3.
Statistik dataset Landsat pita 1-2-3-4-5-7
60
5.
T d o r m a s i divergensi rata-rata dm minimum dari hasil klasifikasi
Ikonos dan Landsat
63
6.
Evaluasi akurasi terhadap hasil Masifikasi Ikonos dan Landsat
68
7
Hasil analisis data parameter tegakan hutan dan NDVI pada citra
Ikonos dan Landsat
72
I.
PENDAHULUAN
1.1. Latar Belakang
Infomasi penggunaan lahan dan penutupan lahan dibutubkan di tingkat lokal,
regional, dan nstional untuk perenmaan penggunaan lahan dan pengelolaan lahan
yang baik (Paul dan Maacarenhas 1981, diacu dalam Jensen 1986). Padaskala global
dan regional, penggunaan teknik penginderaan jauh terbukti cepat dan dapd
dipercayai untuk panantaran penutupan hutaa (Jensen 1986).
Kebanyakan penelitian deforestasi dan pembahan penggunaan lahan yang
menggunakan &a penginderaan jauh cendaung memfokuskan pada deskripsi
vegetasi secara m u m (Carlson dm Azofeifa 1999). Citra satelit digunakan sebagai
alat untuk mempdajai ekosistem tertentu (Hall et al. 1991, diacu Man Carlson dan
Azofeifa 1999). Misalnya Asrar et al. (1984), Tucker et d.(1984), dan Goward et al.
(1991): (diacu dalam Carlson dan Azofeifa 1999) menekankan pada pendugaan
terhadap biomasa
Teknik p e n g i n d m jauh ti& mengulcur birmasa secara langsung, tetapi
menduga biomasa dari hubungan karakteristik hutan di lapangan dengan reflektansi
kanopi pada citra satelit (Sader 1988, diacu dalan Brown et al. 1989). Penginderaan
jauh optik dapat menduga biomasa bagian pohon di atas permukaaa tanah secara
langsung, tetapi untuk menduga biamasa bagian pohon di bawah pennukaan tanah
tidak dapat dilskukan secaa langsung karena gelombang pendek dari radiasi
elektran agnetik tidak dapat menembus tanah (Asrar 1989).
Kebutuhan terhadap informasi LAZ untuk areal yang luas lebih menekankan
penelitian-penelitian mengenai hubungan ant= LA1 yang diukur di lapangan dengan
indek vegetasi dwi cits-asatelit (Brown et d. 2000).
Pengulcuran L M s e e m langsung di lapangan terutama di ekosidem hutan
sangat sulit dm mahal (Fassnach et al. 1994, dim dalam Wasrin et al. 1997),
sehingga teknik pengukutam LAI secga tidak langsung yang cukup murah dan cukup
teliti merupakan dteanatif yang perlu dikembmghm. Pendekatan pengukuraa
parameter hutan menggmakan data satelit dan persamaan alometrik merupakan salah
satu pendekatan yang dicoba untuk dikembangkan (Wasin et al. 1997).
Persamaan alometrik yang menghubungkan pznrmder hutan yang mudah
diukur dengan volume k a p tegakan, total biomasa, persediaan k d o n dan persediaan
hara sering digunakan pada inventarisasi hutan dan kajian-kajian ekologi (Ketterings
et a2. 1999).
Untuk mendapatkan infonnasi biafisik dalan bentuk in&ks dari tanggapan
spektrai terhadap kenampakan-kenanpakan (fkzhm) pmukaan bumi,
dapat
dengan memperbandingken tanggapan speW dari pita-pita spektral tertentu untuk
setiap kenanpakan. Sejumlah indeks vegetsrsi telah dikembangkan dan banyak
digunakan oleh para ahli penginderaan jauh. Indeks vegetasi yang paling mum ialah
n o d i z e d diflerence vegetation index (NDVI). NDVI merupakan indeks rasio yang
menggunakan pitamerah bang diserap oleh klorofd) clan pitainfianerah-dekat (yang
dipantulkan oleh jaingan daun), clan dapat digunakan sebapi ukum bagi biomasa
menggunakan data satelit multispektral.
Reflektaasi inframerah-dekat dengan reflektansi m
d telah digunakan untuk
meneliti vegetasi dan fenologi sejak awal tahun 1970-an (McGwire et d.2000).
Banyak penelitian indeks vegetasi menggunakan NDVI karena ia dapat memperkecil
pengaruh topograG (Holben dan Justice 1981, diacu dalam McGwire et d.2000),
tidak memerlukan pengetahuan tentang kondisi lapangan yang rinci dan sensitif
terhadap fotmintesis (Myneni et al. 1992 danTucker 1979: diacu dalam McGwire et
d.2000).
Untuk mengetahui wtiabel ekologi (seperti biomasa di atas-permukaau atau
LAI) menggunakan data satelit, dapat dilakukm dengan menganalisis hubungan
antara indeks spektral dengan variabel ekologi melalui analisis regresi (Lawrence
dan Ripple 1998 dan Gong et d.1993: diacu dalan Thenkabail et al. 2000).
Teknologi satelit yang ada cukup memadai untuk memantau hutan tropis
(Sader et d 1990, diacu dalm Carlson dan Azofeifa 1999). Aplikasi penginderaan
jaub satelit di bidang kehutanan secara efektif dimulai sejak peluncuran satelit
sumberdaya bumi Amerika Serikat, Ehrth Resouas Techndogid Scrtelfite (ERTS1) pada tahun 1972, yang kemudian dikenal sebagai satelit Landsat (Howard 1991).
Data satelit Landsat TM mengindem radiasi yang direfleksikaa dan
diemisikan pada daerah k a s t mata (bim,
hijau, dan merah) clan daerah infEamerah
(inframerah-dekat dan infEamerah tengah). Klasifiikasi menggunakan semua pita TM
non-t erma1 menjadi berlebihan (mdundant) dalam infarmasi dan memerlukan waktu
yang lama dalan proses klasifikasi, sedangkan klasifikasi menggunakan hanya satu
pita spektral tidak memberikan hasil yang cukup baik (akurasi rendah). Kombinasi
tiga atau empat pita memberikan akumi yang tinggi. Pita termal (hhmerah-jauh,
tidak digunakan dalam kombinasi pita-pita TM disebabkan resolusi spasialnya ymg
berbeda dengan pita non termal (Jaya 1996). Kom binasi yang tepat d a i pita-pita TM
menghasilkan klasifikasi citra dengan akurasi/ ketelitian yang tinggi (Jaya dm
Kobayashi 1994).
Beberapa penelitian menctapatkan bahwa data Landsd TM bdubungan erat
dengan indikatar kerapatan vegetasi seperti bianasa, persen penutupan dan populasi
tumbuhan (Jaya clan Kobayashi 1994). Di ant-
sensor-sensor yang biasa digunakan,
data TM lebii baik korelasinya dengan variabel-variabel hutan tertentu (Brockhaus
dan n o r r a m 1996, diacu dalam Andersen 1998).
Saat sekarang, citra sdelit dari berbagai jenis sensor tasedia secaa komasial.
Kebanyakan citra yang tersedia berasal dari sensor: Landsat Thematic Mapper (TM)
dan Mdtr Qectral Scanner (MSS), SPOT Mdtispecfral (XS) dan Panchromatic
(Pan), NOAA Advanced Very High Resolution Radiometer (AVHRR), Radarsat dan
sebagainya (Haeusler 1991). Sensoraensor tersebut beragan dalam hal luas areal
yang terliput, pengulangau penganbilan gambar, resolusi spektral, resolusi spasial,
dau biaya akuisisi.
Disamping c h c i t r a tersebut, tersedia pula secam komersial citra Ikonos dari
satelit Ikonos-2 yang diluncwkau Sgrtember 1999. Satelit Ikonos menghasilkan citra
Pankromatik (Pan) dengan resolusi spasial 1 m, dau citra Multispektral yang
mempunyai resolusi spasial 4 m dengan 4 pita s p e W (biru, hijau, merah, dan
infranerah-dekat). Penggabungan citra Ikonos Pau dengan citra Ikonos Multispektral
akan rnmghasilkan citra Ikonos Pan-MultispeW yang mempunyai 4 pita s p e w
dengan resolusi spasial 1 m. Keempat pita spektral yang dipunyai
Ikonos
Multispektral s m a dengan pita 1 (biru), pita 2 (hijau), pita 3 (merah), dan pita 4
(inframd - d e k a t ) pada Landsat Multispektral.
Citra Landsat merupakan citra satelit yang paling unggul dalam ha1 resolusi
spektral sedangkan citra Ikonos paling unggul dalan hal resolusi spasial. Pada
penelitian ini, citraIkonos gabungan Pan dengan Multispektral pita 2,3, dan 4 (pita 1
tidak tersedia) dm Landsat Multispektral optikfnon-tennsl (pita 1,2, 3,4, 5, dan 7)
d i k l ~ i k a s i k a n dengan metoda terbiibing (supervised cImsi$cation),
dan
ditnmdormasi dengan MlVI untuk mencari hubungan antara NDVI dengan
parameter tegakan hutan yang sering diukur, yaitu jumlah pohon, tinggi pohon bang
digunakan lata-rata tinggi total), luas bidang dasar (bassd ama), biomasa bagian
pohon di atas permukaan tanah, indeks luas dam (letgc area index/ LAI), dan
penutupan t$uk (crown cover).
1.2 Tnjnan Penelitian
Penelitian mi bertujuan untuk:
1. Mengkaji kemampuan data satelit Ikonos dan Landsat untuk mengklssifikasikan
penutupan hutan alam tropis secaa digital serta menentukan kombiasi pita
spektral dari Ikonos dan Landsat yang terbaik.
2. Mencari hubungan matematis terbaik antara nilai respon spektral pada citra
h n o s dan Landsat, masing-masing dengan jumlah pohon, &a-rata tinggi total,
basal area, bimasa beian pohon di atas permukaan tanah, LAI, dan penutupan
tajuk di hutan alam tropis.
1.3. Hipoteds Penelitian
Nilai respon spektral pada citra Ikonos dan Lands& mempunyai komlasi
dengan jurnlah pohon, rata-&a tinggi total, basal area, biomasa bagian pohon di atas
pennukaan tanah, LAI, dan penutupan tajuk di hutan alsm tropis.
11. TINJAUAN PUSTAKA
21.Pemdagaan Biomasa
Pendugaan biomasa bagiau pohon di atas permukaan tanah mapalcan aspek
penting p& kajian persediaan khan (C stocks) dm pengaruh deforedasi terhadap.
keseirnbangan C global (Ketterings et al. 1999). Pendugaan biomasa vegetasi dapt
memberikan infomasi mengenai persediaan h a a dan karbon pada seluruh vegetssi,
atau jumlah bagian tertentu dari vegdasi yang dapat dipanen, seperti kayu yang dapat
dihasikaa dari tegakan (Hairiah et al. 1999).
Biomasa merupakan massa vegetasi hijau per satuan luw, yang biasanya
diukur dengan cara memanen dan menimbmg vegetasi (Lo 1986). Pendugam
biomasa dapat dilakukan dengan (1) metoda pengukuran lmgsung di lapangan, (2)
stmti'ed random
sampling terhadap strata vegetasi hamogen yang dipetakan
menggunakan data penginderaan jauh yang selanjutnya digunakan untuk
mengekstrapolssi ti&-titik sampel, dan (3) mengembangkan model-model emperis
respon spektral satelit terhadap biomasa(Roy dan Ravan 1996).
Pendugaan biomasa pohon cara penimbangan merupakan metoda paling
a k u . tetapi sangd menyita waktu dan destdcM. Penggunaan metoda ini terbdas
untuk luts ma1 dan ukuran sanpel plot yang kecil (Ketterings ef al. 2001). Metoda
strlxtijed random sampling
mmpakan metoda yang efektif untuk menduga biomasa,
dan model emperis spektral juga menunjukkan hubungan signifikan antara biomasa
dengan respon spektral (Roy dan Ravan 1996).
Umumnya ada dua metoda untuk pendugaan biomasa, yaitu (a) destructive
smipi~rzgyang membutuhkan banyak tenaga tetapi lebih akurat, dan (b) metoda nondestruktif menggunakan persarnaan alametrik yang relatif cepat tetapi kurang akurat.
Pendugaan biomasa dengan pasamam almetrik dikembangkan dari parsmeter yang
mudah diukur sepeiti tinggi pohon dan dianeter setinggi dada (Pahn et d.1994).
Brown et d.(1989) mengembangkan penamaan regresi untuk menduga total
biomasa pennukaan dari pohon di hutan tropik sebagai fungsi dari dianeter setinggi
dada, tinggi total, berat jenis kgnr, dan zona kehidupan (ife wrze). Persanaan
biomasa dibuat berdasarkan (a) diameter setinggi dada saja, @) diameter setinggi
dada dengan tinggi total, dan (c) diamder sdinggi dada, tinggi total, dan berat jenis.
Persamaan biamasa yang menggunakan diameter sdinggi dada dan tinggi total
menghasilkan pendugaan yang lebih baik dibandingkau yang menggunakan diameter
setinggi dada saja Palm et d.(19P4) menyatakan bahwa pendugaan biomasa lebih
baik apabila lebih banyak psremeter yang digunakan.
Ogawa et al. (1985) menyatakan bahwa sejak penelitian Kiedge (1944,
1948) mengenai regresi almetrik antara jumlah dam dai sebatang pohon dengan
diameter batangnya, pensmaan alometrik menjadi l e b i sering digunakan untuk
pendugam biomma hutan.
22 Indeks h a s Daun ( L e d area indcr / LAI)
LA1 adalah total luas satu-pennukaan daun hijau per luasan permukaan tanah
(Le Dantec et d.1999). LA1 merupakan variabel utama yang berhubungan dengan
mekanieme frsiologis yang tejadi mulai dari tingkat daun (fotosintesis, respirasi, atau
transpirasi) sampai tingkat kanopi hutan (Running dm Coughlan, 1988,diacu dalam
Le Dantec et al. 1999). Pengukuran LAI. yang akurat dapat digunakan untuk
memahani proses biologi dan fisik yang berfiubungm ciengan vegdasi, dan sebagai
input untuk model-model produktifias ekosistem (Sellem
d
at. 1986,Bonan 1993,
dan Liu et d.1997:d i m dalan Brown et d. 2000).
Sejumlah penelitian menetapkan secaa teoritis dan empiria hubungan poctitif
antara LA1 dengau produktifit~lsbutan (Le Dantec et d. 1999). Mc Naughton dan
Jarvis (1983)(
dimdalam W
h et d 1997)membuktikau pentingnya LAI dalam
menduga evapotranspirasi, LA1 dalsm pendugaan transpirasi, intersepsi, neraca air,
laju fotosintesis, dan pertumbuhan (Grier dan Running 1997,Gholz 1982,Mc Lead
dan Running 1985: diacu dalam WaElrin et al. 1997). Piace dan Running (1988)
(diacu dalan Wasrin et al. 1997) memperlihatkan hubungan yang erat mtara LA1
dengan volume kayu pada berbagai kondisi ekoistem hutan.
h a pendekatan mum untuk pendugaan LA1 menggunakau c i h
penginderaan jauh ialah pendekatan indeks vegetasi dan pendekatan modeling (Qi et
d. 2000). Prosedur m u m menduga LA1 dengan data penghderaan jauh ialah
menetapkau hubungan emperis antaraNDVI dengan LAI s e c m statistik. Hubungan
LAI dengan indeks vegdasi ant-
lain sebagai berikut (Bare4 1995,Bed dan H d a u
1985,Curmn 1983,Asrar et a 1985r5b;Peterson et al. 1987,Price dan Bausch 1995:
diacu dalan Qi et d. 2000):
LAI=U?+~~+CX+~
LAI = a + bxc
LAI = 112a h(1-x)
LA. = f i x )
Dimana x merupakan indeks vegetasi, koofisien a, b, c dan d merupakan parameterparameter emperis yang bervariasi men& tipe vegetasi.
23. Indeks Vegetasi
B d a g a i indeks vegetasi berhubungan dengan parameter vegetasi seperti LA.,
biomasa, persen penutupan tajuk, produktifiias, dan aktifitas fotosintesis (Colwell
1974, Asrar et al. 1984, Hatfield et al. 1984, dan Sellers 1985: diacu dalam Asrar
1989). Indeks vegetasi rnerupakan ukursn untuk kerapatan vegetasi dan biamasaaktif
secara fotosintesis (Tucker 1979, Wiegand et al. 1973, Wiegand dan Richardson
1984: diacu dalarn Jaya 1996).
Sejumlah indeks vegetasi masih terus dikembangkan untuk mencirikan kanopi
vegetasi (Asra 1989). Indeks-in&ks vegetasi dapa dikelampokkan menjadi 3
kategori: (1) indekaindeks mendasar (intrinsic indices), (2) indeks-indeks yang
berfiubungan dengan garis-tanah (soil-line dated indices), dan (3) indeks-indeks
pengaturaa &mo&ir (atmosphet;tcatly adjusted indies) (Rondeaux et d.1996, B m t
dan Guyot 1991: diacu dalam Daughtry et d 2000).
Indeks vegetasi yang m u m ialah indeks yang menggunakan reflektausi
(radiansi) merah dan i h e r a h - d e k a t dari kanopi dalm bentuk perbandingan (ratio
vegetation i n d d RVI dan indeks normalized di$emce vegetution i n d d NDVI)
atau dalarn kombinasi linier (perpendicular vegetation index/ PVI), dan greeness
vegetation i n d d GVI) (Asrar 1989).
Sensitifitas NDVI terhadap vegetasi hijm berdasarkan radiansi pada pita
merah yang berhubungan dengan jurnlah klorofil, dan radiansi pada infi-amerah yang
berhubungan dengan kerapstan daun hijau ( B m t clan Curtis 1992). Jika biamasa
(vegetasi) meningkat maka reflektansi infinunerah-dekat akan bertambah, sebaliknya
reflektansi pada kasat mata akan berkurang (Jaya 1997).
Indeks vegetasi telah lama digunakan @a citm satelit untuk pemantauan
kondisi vegetasi. Perbedaan nilai indeks vegetasi antma citra yang berbeda waktu
pada lokasi yang sama dap& untuk memantau pembahan vegetasi. NDVI digunakan
pada sejumlah penelitian untuk menganalisis kondisi dan pembahan vegetasi (Briggs
dm Neillis 1991, Chilar et d.1991, Lee dan Marsh 1995: dam dalam Sohl 1999).
Indeks-indeks vegetasi umumnya mengasumsikan bahwa pengaruh tanah
berkurang dengan semakin berkembang vegetasi, karena bagian tanah yang relatif
terbuka menjadi berkurang. Pengaruh tanah yang terpenting terhadap spektral
vegetasi ialah p e n g d kecerahan tmah. V.ilriasi kecershan tanah dapat diakibrtkan
perbedaan kelembaban, kekasaran, bayangan, atau bahan organik. Banyak penelitian
memperlihatkan indeks vegetasi berkarelasi dengan kecerabaa t d , dan paling
nyata pada tingkat kerapatan vegetasi yang sedamg (h
1989).
25.1. Citra Ikonos
Kata Ikonos berasal dari bahasa Yunani (Greek) "Eye-KOH-Nos" yang
artinya sama dengan 'citraf image'. Satelit Ikonos mengorbit bumi pada orbit
sun-
Tabel 1. Spesifikasi Ikonos
Waktu Peluncuran
24 September 1999 (11:21:08 am PDT)
Lokasi Peluncuran
Resolusi
Vandenberg Air Force Base, California
Resolusi setiap pita spektral:
Pankromatik: 1-meter
(nominal c 26 derajai offnadir)
Multispektral: 4-meter
(nominal < 26 derqjat o f l n d r )
Respon Spektral Citra
Pankromatik:
0,45 - 0,90 mikron
Multispektral:
Pita 1: Biru 0,45 - 0,52
Pita 2: Hijau 0,52 - 0,60
Pita 3: Merah 0,63 - 0,69
pita 4: I n h e r a h dekat 0,76 - 0,90
(sama dengan Landsat pital-4)
Lebar Swafh dan Ukuran Scene
Lebar swh
13 km pada nadir
Areas of iderest:
citratunggal 13 km x 13 krn
Ketinggian (AltiMe)
423 mi1 / 681 kilometer
98,l derajat
Kecepatan
4 mil per detik / 7 kilaneta per detik
Revisit frequency
2,9 hari padaresolusi 1meter,
1,5 hari padaresolusi 1,5 meter
~ilai-nilaitersebut untuk target pada lintang 40
derajat. Waktu revisit lebih sering untuk lintang
lebih tinggi dan jam8 untuk lintang dekat
khatulistiwa
98 menit
Waktu Orbit
sun-synchmous
Tipe W i t
Surnber: Pike dan Brown (1999) (mdczk diedt)
synchrorrous. Satelit tersebut mengitari bunli 14 kali per hari, atau setiap 98 menit.
Satelit Ikonos yang diluncurkan September 1999 mengorbit pada ketinggian 681 km
dengan inklinasi 98,1° padawaktu crossing 10.30 a m (Pike dm Brown 1999).
Pita spektral 1, 2, dan 3 dari citra Ikonos niultispektral secara berurutan mengukur
reflektansi spektrum elektromagnetik pada bagian biru, hijau, dan merah. Pita-pita
tersebut urituk mengukur karakteristik spektral yang tanipak oleh mata Pita 4
mengukur reflektansi spektrum elektromagnetik pada bagian inframaah-dekat, dan
sangat membantu dalam mengklasifikasikan vegetasi (NASA Commercial Remote
Sensing Progratii 2001).
2.5.2. Citra Landsat TM dan ETM+
Satelit Landsat 4,5, dan 7 m engorbit bum i pada orbit stm-synchronous pada
ketinggian 705 km (Richards dan Xiuping Jia 1999). Landsat 4 dm 5 mempunyai
iris~.llmeti Thematic Mapper (TM)sedangkan Lanrlsat 7 rn empuny ai instum en
Enhanced Thematic Mapper (ETM+).
TM mempunyai 7 pita spektral, dan TM pita 7 tidak dirancang bersamaan
dengan 6 pita lainnya Pita 7 ditambahkan setelah 6 pita lainnya ada berdasarkan
pennintaan masyarakat geologi, karena daerah sekitar 2 p berguna untuk penilaian
alterasi hidsotamal. EXM+ padaLandsat 7 memiliki karakteristik seperti TM setelah
memperbaiki resolusi spasial pada pita termal dan menambah pita spektral
pankroniatik (Richards dan Xiupirig Jia 1999).
Tabel 2. Karakteristik dari Landsat TM dan lZTM+
Instmien
TM
ErM+
Pita Spektral (pn)
IFOV (m)
1
0,45 - 0,52
(biru)
30 x 30
Dynamic
range (bits)
8
2
0,52 - 0,60
(hijau)
30 x 30
8
3
0,63 - 0,69
(merah)
30 x 30
8
4
0,76 - 0,90
(inframerah dekat)
30 x 30
8
5
1,55 - 1,75
(inframerah tengah) 30 x 30
8
7
2,08 - 2,35
(inframerah tengah) 30 x 30
8
6
10,4 - 12,5
(Termal)
120x120
8
1
0,45 - 0,52
(biru)
30 x 30
8
2
0,52 - 0,60
(hijau)
30 x 30
8
4
0,76 - 0,90
(infmerah dekat)
30 x 30
8
5
1,55 - 1,75
(inframerah tengah) 30 x 30
8
7
2,08 - 2,35
(inframerah tengah) 30 x 30
8
6
10,4-12,5
(Termal)
60 x 60
8
plus
0,52 - 0,90
(Pankromatik)
15 x 15
8
Sumber: Richards dan Xiuping Jia (1999) (sudah diedit)
Kombinasi yang tepat dari pita-pita 'I'M menghasilkan klasifikasi citra dengan
akurasil ketelitian yang tinggi. Di antara ketiga pita kasat mata (pita 1,2, dan 3) dan
di antara kedua pita inframerah-tengah (pita 5 dan 7) erat korelasinya Penggunaan
semua pita non termal dapat berlebihan (redundant) dalarn kandungan inforrnasi,
disamping juga memerlukan banyak waktu, usaha, dan kapasitras penyimpanan
dalanl proses klasifikasi (Jaya dan Kobayashi 1994). Salah satu dari pita kasat mata,
digabungkari dengan pita 4 dan salah satu dari pita inframerah-tengah dapat
menangkap lebih banyak infoxmasi penutupan lahan (Jaya 1996).
Jaya dan Kobayashi (1995) mendapatkan bahwa dari kombinasi dua sampai
lima pita spektral selalu mempunyai TM pita 5. Ini menunjukkan bahwa keberadaan
'I'M pita 5 dalam kombinasi pita tersebut memainkan peranan penting untuk
menghasilkan pemisahan (separation)yang lebih baik. Dengan rnenggabungkan pita
5 dengan pita kasat mata (pita 1,2, dan 3) dan inframerah-dekat dapaf meningkatkan
palisahan klas.
111. METODOLOGI
3.1. Tempat dm W akta Penelitian
Penelitian teniiri dari dua kegiatan, yaitu: (a) pengecekan lapangan, di Hutan
Lindung Gunung Beratus yang berada dalam areal keja NPH PT. Balik Pqan Forest
Industries (PT.BPI), Kalimantan Timur, dan (b) pengolahan citra serta analisis data,
di Laboratoriwn Bologi Hutan Fakultas Kebutanan IPB Bogor. Penelitian
dilaksanakan dari bulan Juni 2001 sampai dengan Oktober 2001.
3.2. Citra dm Data Pemdnknng
Citra dan data pendukung yang digunakan:
(a) Citra Ikonos 1154-lbd Kalimantan yang meliput sebagian areal Hutan
Lindung Gunung Beratus, Kalimaatan Tmur. Koordiiat liputan citra
0°:58':56',18
S
-
1°:7':6",51 S (407484,61 E
-
422556'83 E) dan
-
1160:10':6',58 E 1160:18':14",12 E (9876365,66 N - 9891417,66 N). Citra
tersebut diakuisisi tanggal 28 Oktober 2000. Citra Ikonos yang digunakan
merupakan ghungan Pan dengan Multispektral RG33 432 ( i n h e r a h
dekat-merah-hijau) 11 bit dengan resolusi spasial 1 meter, yang geometrik
dan radiametriknyatelah dikoreksi.
(b) Citra Landsat Multispektral path-row 117-061 yang diakuisisi tanggal 26
Juni 2001.
(c) Peta areal k@aPT. BFI dan petatopografi.
3.3. S o m a r e dan Hardware
Pengolahan citra menggunakan sepemngkat Personal Computer (PC) dengan
sofware ER Mapper, Erdas, Arc View dan Arc View Image Analysis, sedangkan
analisis data menggunakan sofiyare Excel dan Minitab.
3.4. Peralatam di Lapangan
Kegiatan lapangan menggunakan pemwat Global Positioning System (GPS),
kompas, haganeter atau bEumeZeiss, m&errm,phi-band, kanera, tali, dan pa-ang.
3.5.
Prosedur Penelitian
Penelitian mencakup kegiatzn pengolahan c~tra,pengumpulan dan analisis
data lapangan (jumlah pohon, ratarata tinggi total, basal area, biomasa pohon di atas
permukaan tanah, LAI, dan penutupan tajuk), dan menentukan karelai antaraNDV1
dengan data lapangan.
3.5.1. Pengolahan citra
Skemapengolahan citra Ikonos dan Landsat dapat dilihat pada Gambar 1.
Pemutaran (ratdon)citra Ikonos
Apabila kenampalcan obyek di citra Ikonos memperlihatkan kesan pseuddopis yang
menyulitkan interpretasi visual maka c i h tersebut pedu diputa 180 derajat,
sehingga lebih mudah diinterpretasikan s e e m visual. Pemutaran masing-masing
dataset Ikonos 1 m sebelum penggabungan dataset (mosaic) ciapat bertiasil dengan
baik, sebaliknya apabila pemutaran citra dilakukan terhadap dataset gabungan (hasil
+
I
I Rotasi I
L
Penentuan Plot
di Citra
4I
Interpretasi
Visual
I
Multispektal Belum
Mosaik
dari Dataset
1.2 .....n
1
Pernotongan Citra
( Potongan Citra I
Statistik Citra
T
bransformasi Ukuran ~iksell
Rotasi
1-1
1-
Training Area
1
Interpretasi
Visual
4
Penggunaan Lahan
Gambar 1. Skema pengolahan citra ikonos dan Landsat
Dataset
Streching
I
mosaic) seringkali memalukan waktu yang cukup lama dan tidak selalu berhasil
karena kapasitas sirnpanan data yang besar.
Penggabnngan citra Ikonos
Semua dataset hasil rotasi digabungkan menjadi satu dataset melalui proses
mosaic. Dataset hasil mosaic dapat digunakan langsung untuk interpretmi v i d ,
tetapi dataset tersebut hams dihitung statistiknya bila digunakan untuk interpretasi
dijital, dan dataset yang digunakan ialah dataset yang dapat dihitung statistiknya
Penghitungan statistik a k a Ikonos
Dataset gabungan dapat dihitung statistiknya apabila dataset-dataset ymg
digabung pada proses mosaic telah dikoreksi geometrik &ngan ketelitian yang sama
Jika gabungan 5 dataset tidak dapat dihitung statistiknya maka dilakukan mosaic
untuk 4 dataset, kemudian kembali dihitung statistik terhadap dataset yang dihasilkan.
Jika penghitungan statistik tidak dapat dilakukan t d a d a p dataset tmebut maka
dilakukan mosaic terhadap 3 dataset, dan terakhir untuk 2 datasd. Dari 5 dataset yang
digunakan, penggabungan 4 dataset menjadi 1 dataset dapat dihitung statiatik
citranya Statistik citra Ikonos dapat dilihat pada L a m p i i 1.
Merrrbah akuran piksel Ikonos
CitraIkonos berukwan piksel 1m dirubah menjadi Ikonos berukuran piksel5,
10, 20, dan 30 m. Ukuran piksel 1m dirubah menjadi 5,10, dan 20 m karenaukuran
petak pengamatan dalan plot contoh berukuran 5 x 5 m, 10 x 10 m, dan 20 x 20 m.
Ketiga citra Ikonos tersebut digunakan untuk membud citm NDVI. Perubahan
ukuran piksel menjadi 30 m sesuai dengan ukuran piksel Landsat, dan citra Ikonos
tersebut digunakan untuk meregistasi Landsd.
Pernutaran citra Ikonos
Ikonos piksel 30 m harus diputar kembali 180 demjat sebelum digunakan
untuk memgistrasi citra Landsat. Peanutaran citra dapat berhasil dengan baik kaena
kapasitas penyirnpanan data Ikonos gabungan piksel 30 m jauh lebih kecil
dibandingkan dengan data Ikonos gabungan piksel 1m.
Pemotongan citra Landsat
Dataset Landsat@l sene dipotong kira-kira sana dengan area yang terliput
oleh mosaic Ikonos.
Registrasi Landsat demgan Ikonos
Koreksi geanetris citra Landsat dilakukan dengan cara meregistmi citra
Landsat dengan citra Ikonas yang telah dirubah ukuraa pikselnya sama dengan
ukuran piksel Landsd. Ground control points (GCPs) untuk registrasi dicari yang
dapat dikenali pada citra Landsat dan citra Ikonos. Sistem datum yang digunakan
ialah WGS 84 dengan proy eksi Universal Tmnsverse M e ~ a t o (UTM)
r
pada zone 50
South (S).
Dengan menggunakan transf'onnasi M i e dan 4 GCP pada regiEitrasi citra,
rata-rata root mean square ermr (RMSE) diperoleh 0.157. Hal ini sesuai dengan
pernyataan Jaya (1997) bahwa jumlah GCP minimum unttlk trandmmasi M n e = 3,
dan ratacata RMSE hams kmmg dari 0.5 piksd. Hasil transformasi koordinat
Landsat dengan koordinat Ikonos dapat dilihat di Larnpiran 2.
Ccdink antara Landsat dengan Ikonos
Citra Landsat yang telab diregidmi dengsn Ikonos di-gedink-kau dengan
citraIkonos. Datmet Landsat yang dihasilkan digunakan untuk proses selanjutnya
Interpretasi visual terhadap Ikonos dan Landsat
Interpretasi citra secara visual diiakukan dengan mengidentifiikasi dan
mendelinasi kelas-kelas penutupan dan penggunaan lahan berdasarkan unsur-unsur
interpretmi: ukuran, bentuk, tonel m a , bayangan, tekstur, pola, lokasi, dm asosiasi
(Lillesand dan Kiefer 1997). Kelas-kelas p u t u p a n lahan didefmisikan berdasarkan
Klasifikasi FA0 pada Lampiran 4.
Interpretmi visual berguna sebagai dasar untuk penentukan kelas-kelas
penutupan lahan dan pnmunaan lahan pada klasifikasi citra secara digital dan untuk
penentuan ldak plot-plot contoh pada citra
Klasifikasi &a Ikonos d m Lgndsat secara digital
Informasi tematik dapat diperoleh dari analisis data p e n g i n d m jauh.
Metoda untuk memperoleh inf'omasi tematik dari datapenginderaanjauh yang paling
sering digunakm ialah k l d k a s i multispektml berdasakan analisis terhadap sifat
reflektansi. Analis harus dapat menterJemahkan kelas-kelas
rq~lctml
menjadi
kelas-
kelas infmasi.
Klasif'ikasi multispektral dilakukan rnenggunakan dua metoda:
t erbimbing (supervi~d) dan tidak t erbimbing (unsupervised) (Jensen 1986).
Klasifikasi terbimbing merupakan prosedur yang paling sering digunakan untuk
analisis kuantitatif terhadap &a citra penginderasn jauh @chard 1993).
Klasifikasi citra yang digunakan untuk Ikonos dan Landsat pada penelitian
ini ialah klasifikasi terbimbing (supervised classi$c~ion)dengan metoda peluang
maksimum (maximwn likelihood method). Metoda tersebut mempakan metoda
klasiftkasi terbimbing yang paling umum digunakan (Richard 1993). Klasifikasi citra
Ikonos dilakukan terhsdap &as&
1 pita spektral, dataset krmbinasi 2 pita spektrat,
dan dataset kombiiasi 3 pita spektral, sedangkan klasifikasi citra Landsat diiakukan
tehadap dataset 1pita spektral, dataset kombinasi 2, 3,4,5 pita spektral, dan dataset
6 pita spektral.
Analisi~~~abilitas
Beberapa cara mengukur sepaabilitas untuk menentukan kambinasi pita
spektral yang terbaik untuk klasifikasi terbimbing, yaitu Divergenfi (D),
Transformasi Divergensi ('I'D), Battachayya Didance (B-D), dan Jeffries-Matusita
Distance (JM-D). Mausel et al. (1990) (diacu dalam Jaya 1996) memkomendasikan
bahwa TD dan JM-D memberikan hasil yang lebih baik. Pada penelitian ini
digunakan pengukunm TD.Rumus separabilitas yang digunakaa idah (Swain dan
Davis 1978, Jensen 1986, dan Jaya 1996):
'I'D = 2000 (1 - eDJjB)
Nilai divergensi dihitung dengan:
Dj, = 0,s tt [(C, -c,)(G-~-q'l)]
+ 0,s h.
[(c"-c,-')(M - M,)(M, - M,jT]
Dimana Ci = malriks peragam kelas ke-i, C; = mairiks pemgam kelraj! ke-j, Mi=
matriks rata-rata kelas ke-i, dan Mj= matriks rata-rata kelas ke-j.
Kriteria tingkat keterpisahan dari nilai divagensi menurut Jeasea (1986) dan
Jaya ( 1 996) dapat dilihat pada Tabel 3.
Tabei 3. Kriteria tingkat keterpisahan
Nilai T d o n n a s i Divergensi (qj) Keterangan
TDjj >_ 2000
Sempurna (adlent)
1900 2 TDjj > 2000
Sangat Baik (Good)
1700 2 TDjj> 1900
Baik (Fair)
1600 > TDjj> 1700
Cukup baik (Poor)
TDjj< 1600
Tidak terpisahkan (insepmble)
Pada penelitian ini dipilih kanbinasi-kanbinasi pita spelrtral yang
mempunyai TD minimum > 1600 untuk selanjutnya dilakukan uji sku&.
Evaluasi akurast'
Evaiuasi akurasi untuk menentukan berapa besar persentase ketelitian dalam
mengkelaskan suatu areal menjadi kelas-kelas penutupan dan penggunaan lahan,
dengan cam menghitung jumlah piksel s e a contoh (training area)
yang
diklasifiiikan dengan benar dan salah. Akurasi dievaluasi dengan: ( 1 ) ovemlt
accuracy, (2)producer'saccuracy (omission error), (3) user 's accuracy (commission
error), dan ( 4 ) Kappa accuracy.
i =l
Overall accuracy = -x 100 %
N
i=l
Producer's accwacy = -x 100 %
Xl +
i =l
User's accuracy
=
-x 100%
x+1
it1
i=l
Kappa accuracy =
x 100 %
Dim ma:
N =jumlah piksel setiap kelas pada training area
r
=jumlah kelas
X+= Z Xj (jumlah kolm pada baris ke-i)
X+, = X Xj (jumlah kolom padabaris ke-j)
Akurasi dievaluasi dengan membud matriks contingency, yang lebih dikenal
&ngm matriks kesalahm (con$mon matrix) seperti pada Tabel 4.
Tabel 4. Matriks kesalahan (confwion matrix)
Data Acuan
Training
Area
Diklasifikasikan ke Kelas
A
User's Acc.
qk&
B
...
Total Baris
&+
D
Producer's
Accuracy
&k&+
Badan Survey Geologi Amerika Serikat (USGS) (diacu dalam Lillesand dan
Kiefer 1997) mensyaratkan tingkat a k d ketelitian klasifikasi penutupan dan
penggunaan lahan, ialah: (1) tingkat akurasi > 85 %, dan (2) akurasi h m s lebih
kurang sama untuk beberapa kategoril kela.
Pada penelitian ini dipilih kombinasi-kombinasi pita spektral yang
mempunym Kappa accuracy, overall accuracy, user's accuracy, dan producer's
accuracy > 85 %.
Penentnan plot contoh pada citra
Khusus untuk penutupan hutan yang diklasifhikan menjadi hutan rapat
(closedforest: high density), hutan kerapatan sedang ( c t o ~ forest..
d
medium density),
dan hutan jarang (opened forest) pada analisis visual berdasdan klasifikasi FA0
(Lampiran 4), pada tiap kelas tersebut dibuat plot contoh bendcwan 80 x 80 m (0,64
ha)., Plot-plot contoh ditentukan pada citra Ikonos piksel 1m sebelum penentuan di
lapangan, dimana plot ditempatkan dekd dengan ciriciri dam maupun budan
(contohnya persimpaugan sungai dan persimpangan jalan) yang terlihat di citra
Ikonos piksel 1 m. Ciri-ciri tersebut &an mempamudah mencari lokasi plot contoh
di lapangan. Koordinat-koordinat plot contoh yang ditentukm pada citra digunakan
sebagai acuan untuk membuat plot-plot contoh di lapangan. Penentuan plot contoh
pada citraIkonos 5,10,20 m, clan Landsat berdasdau plot contoh pada citraIkonos
1m, dengan caramelakukan gedink antara citra-citra tersebut dengan Ikonos piksel 1
m.
Gambar 2. Posisi piksel Landsi padaprksel Ikonos 10 m untuk plot 1,2 dan 3.
Dalam plot contoh berukum 8 x 8 piksel pada citra Ilconos piksel10 m dapt
dibuat plot contoh bedcuran 2 x 2 piksel pada citra Landsat seperti pada -bar
Koordinat pusat ketigaplot tersebut ialah:
Plot 1: 1°:0':45",69 S dan 116415':47", 64 E
2.
Plot 2: 1°:0':48",29 S dan 116°:157:13", 67 E
Plot 3: 1°:1':05",23 S dan 116415':55", O8E
Indeks veg-
Dataset Ikonos dan Landsat d i m M menjadi citra indeks vegetmi
menggunakan trandacmasi Abmd Lhiference VegetationIndw (NDVI).
NDFT =(MR- red) / (MR+ red)
Nilai indeks vegetasi pada citra Ikonos piksel5 m, 10 m, 20 m, dan Landsat
dikorelaikan dengan &a lapangan (jumlah pohon, ratersta tinggi total, b a d area,
biomasa pohon di atas permukaan tanah, LAI, dan penutupan tajuk). '
3.5.2 Peanbnatan plot contoh di lapangan, pengrrmpnlan dan analisis data
lapangan
Koordinat plot contoh di lapangan ditentukan dengan GIPS sesuai
koordinatnya di citra Pada plot-plot contoh dibuat petak-petak pengamstan
Semua pohon berdiameter 1 10 an dalan plot pengamatan dicatat, dan
dilanjutkan dengan pengukuran diameter setinggi dada, tinggi bebas cabarg, tinggi
total, posisi batang dan proyeksi tajuk. Diameter setinggi dads diukur menggunakan
phi-band pada ketinggian 1,3 meter di stas pennukaan tanah untuk pohon yang tidak
berbanir atau 10 - 30 cm (ratarata 20 m) di atas bank. Pengukuran tinggi pohon
menggunakan hagameter atau blumeleiss. Pengukuran pwisi batang d m proyeksi
tajuk digambarkan pada kertas milimeter langsung di lapangan. Posisi pohon pada
petak penganatan 5 x 5 m clan 20 x 20 m serta penghltungan persentase penutupan
tajuk diientukau berdasdcan gambar pada kertas milimeter.
Batasan yang dgunakan untuk pohon berdiameter 5: 10 cm berdasarkan Lugo
dm Brown (1992), bahwa pendugaan bimasa hutan tropik selama ini memfokuskan
pada biomasa pohon-pohon di atas-permukaan untuk diameter minimum 10 cm dan
luasan yang kecil.
Basal area dihitung dengsn rumus 0,7854 x
d .Biornasa di stas pexmukm
tanah dan LA1 dihitung dengau pemamaan alam etrik dari Ogawa (1965,1976, 1985,
1992: diacu dalam Wasrin et d.1997) sebagai berikut:
Untuk hutan primer:
- Biornasa batmg (ws) = 0,0396 @ 2 ~ ) ~ * ~ ~ ~ ~
- Biomasa cabang (wb) = 0,00602 ( D 2 ~ ) l r n 7
- Biomasa daun (wl) = ws / (13,75 + 0,025 ws)
- Total biomasa (B) = ws + wb + wl
- LAI = ws / (0.907 + 0.00205 ws)
Untuk hutan s e h d e r :
- Biomasa batang (ws)= 0,0396 @2H)09326
- Biomasa cabang (wb) = 0,003487 (I?H)1s027
- Biomasa daun (wl) = ws / (22,s + 0,025 ws)
- Tota1 biom asa (B) = ws + wb + wl
- LAI = ws/ (0.907 + 0.00205 ws)
Hutan Lindung G. Beratus Kalimantan Timur merupakan areal bekas
tebangan (log over areal LOA) dari HPH. PT.BE, sehmgga perhitungan biomasa
dan LA1 menggunakan persamam alometrik untuk hutan sekunder.
3.5.3. Model peudagaan parameta tegakrm h u h dan penMan hipotesis
Model r e p s i linier sedehana antara paraneter tegakan hutan (jumlah pohon,
ratai-ata tinggi total, basal aea, biomasa pohon di atas permukaan tanah, LAI, atau
penutupan tajuk) dengan nilai indeks vegetasi yaitu:
Y=h+b1X
Dim ana:
Y
= parameter tegakan hutan (jumlah pohon, ratarata tinggi total, basal area,
biomasa pohon di atas pemukaan tanah, LAI, atau penutupan tajuk)
X = nilai indeks vegetasi
bodan bl = konstanta/ parameter model
Pengujian hipotesis dimaksudkan untuk menunjukkan ada atau tidak
hubungan antara parsmeter tegakan hutan (jumlah pohon, rsta-rata tinggi total, basal
area, biomasa pohon di at= permukaan tanah, LAI, atau penutupan Qjuk) dengan
nilai NDVI. Pengujian hipotesis melalui analisis sidik ragan seperti padaTabel5.
Kriteria uji F ialah jika Fht, > Fdel ( k d b 9 maka terima HI, sebaliknyajika
Fhitung
< Ft.bd( k d b + maka terimaH,,. Untuk menentukan tingkd ketelitian model rtau
menunjukkan pasentase kemampuan peubah bebas (nilai indeks vegstasi) dalam
menjelaskan peubah tidak bebas (parameter tegakm hutan) digunakan koefisien
determinasi (R~).
Tabel 5. Tabel sidik ragam
Sumber
Kqaman
Regresi
DerajatBebas
(db)
P -1
JumlahKu~
Kuadrat
(JK)
Tengah (KT)
P'X'Y -@
JKWJKT
JKT - JKR
JKS/SI(T
Total
K- 1
Y'Y -kyZ
Keterangan: P =jumlah parameter dan K =jumlah plot contoh
Sisa
K-P
F hitung
KTR/KTS
IV. HASIL DAN PEMBAHASAN
4.1. Klasifikasi Citra
4.1.1. Ikonor
Pada interpretasi visual terhadap Ikonos RGB 432 p i b e l l m dapat dibedakm
antara hutan rapat, hutan kerapah sedang, hutan jaraug, semak, awan, bay-
awan, bayangan relief, tan& terbuka, jalan, dan sun@. Meskipun secara visual di
citra Ikonos, hutan @at
dilaskan menjadi tiga kelas b e r d a s b tonel
wan?%
tekstur, clan bayangan, kenyaiaamya cli lapangan hutan tersebut masuk dalam satu
kategori yang sama menurut Masifikasi FAO. Pada Tabel 11 dibetikan persentase
penutupan tajuk dari ketiga plot pengamatan berturut-turut 58,62 %, 69,59 %, dan
70,47 %. Berdasarkan Klasifikasi FA0 (Lampiran 4), hutan tersebut menipakan
hutan kerapatm sedang (closedforest:medium hnsity) dengan persentase penutupan
tajuk 40 - 70 %.
Kelas tanah terbuka pada citra Ikonos tidak dapat dilakukan trdning area
karena kelas tersebut tertutup awan tipis. Training area juga tidak dapat dilakukan
pada jalan dan sungai, karena lebar jalan dan sungai urnumnya 1 - 2 piksel pada
Ikonos piksel 5 a Pada klasifikasi digital terhadap Ikonos, kelas-kelas yang
didapatkan ialah hutan bekas tebangan (Log Over Area/ LOA), semak, awan tebal,
awan tipis, bayangan awm, dan bayangan relief Kelas penutupan l h y a ialah Log
Over Area dan Semak. Karenajalan dan sungai tidak dikelaskan temendiri maka jalan
1::e:;adi
s&a keias de::gz:
axvz~d m st~igai1::el:jadi
satu kelas dengal baymgan
awan pada citra kiasifikasi.
Citra lkonos KGB 432 yang akan dikiasfikasi dan citra Ikonos KGB 432 hasiI
klasifikasi,dapat ddiiihat pada Gambar 3, sedangican rata-rata nilai piksel masingmasing kelas pada setiap pita spektral dapat diiihat pada Gambar 4.
I:
Awan tebal
Log Over Area
Awan tipis
Semak
Bayangan relief
Bayangan Awan
Gambar 3.
(a) Citra Ikonos RGB 432 yang akan diklasifikasi; dan (b) citra Ikonos
RGB 432 hasil klasifikasi.
1800
1600
1400
%
8
a
4'
+- Log Over Area (LOA)
1200
-43-Sanak
o
1,
-0-
Awan Tcbai
800
A m Tipis
6m
+Bayangan Awan
400
-bBayangan Rclicf
200
0
2
3
4
Pihopektral
b
Cfambar4. Rata-rata nilai piksel masing-masing kefas pada setiap pita s p e W
Ikonos.
Hasil evaluasi separabilitas dan hail evaluasi akurasi terhadap klasifhsi
Ikonos secara lengkap berturut-turut dapat dilihat pada Lampiran 5 dan Lampiran 6.
Pada Lampiran 5 dapat d i l M dataset Ikonos kombinasi 2 pita s
p
e
w yang
menggunakan pita 4 dalam kombinasinya, dan Ikonos RGB 432 mempunyai raEa-rata
tranrtformasi divergemi (TD) rata-rata dan minimum > 1600. Pada Lampiam 6 dapat
dilihat Ikonos RGB 432 dan Ikonoa kombinasi 2 pita spektral yang menggunaican pita
4 dalam kombinasinya mempunyai overall accuracy (OA) dan Kappa accuracy (KA)
> 85 %. Ikonos pita 2-3 mempunyai akurasi (OA dan KA) lebih rendah daripada
Ikonos pita tun&
(1 pita). Di mtam 3 pita spektral lkonos yang d i g m h a , pita 4
mempunyai akurasi OA dan KA paling tinggi sedan*
yang paling rendah
akurasinya pada pita 2. Dataset Ikonos yang mempunyai TD rata-rata clan minimum
> 1600, serta OA clan KA r 85 % dapat dilihat padaTabel6.
Tabel 6.
Trandormasi divergensi rata-rata dan minimum, overall accuracy, dan
Kappa accuracy dari hasil klasifikasi Tkonos RGB 432 dan Ikonos
kombinasi 2 pita spektral
Kombinasi
Pita Spektral
T&ormasi
Rata-rata
2-3-4
1992
Divwmi
Minimum
1938
Overall
Accuracy (%)
Kappa
Accuracy (%)
100,OO
100,OO
Pada Tabel 6 dapat dilihat bahwa Masifikasi lkonos RCB 432 mempunyai
TD rata-rata dm minimum, OA, dan KA lebih tinggi dibandingkan Ikonos kombinasi
2 pita spektral. Ini berarti bahwa penggunam kombinasi 3 pita spektral Ikonos (pita
2, 3, dan 4) menghasilkan klasifikasi yang lebih tinggi akurasinya daripada
menggunakan dua pita spektral. Apabila menggunakan dua pita spektral di antara tiga
pita tensebut, maka kombinasi pita 2 dengan p