Identifikasi Pola Hutan Rakyat dan Penutupan Lahan Lain Menggunakan Citra Landsat 8 OLI (Studi kasus di Asosiasi Petani Hutan Rakyat Wonosobo)
IDENTIFIKASI POLA HUTAN RAKYAT DAN PENUTUPAN
LAHAN LAIN MENGGUNAKAN CITRA LANDSAT 8 OLI
(Studi kasus di Asosiasi Petani Hutan Rakyat Wonosobo)
DYAH AYU PUTRI PERTIWI
DEPARTEMEN MANAJEMEN HUTAN
FAKULTAS KEHUTANAN
INSTITUT PERTANIAN BOGOR
BOGOR
2014
PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa skripsi berjudul Identifikasi Pola Hutan
Rakyat dan Penutupan Lahan Lain Menggunakan Citra Landsat 8 OLI
(Studi kasus di Asosiasi Petani Hutan Rakyat Wonosobo) adalah benar karya
saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk
apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau
dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah
disebutkan dalam teks dan dicantumkan dalam daftar pustaka di bagian akhir
skripsi ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut
Pertanian Bogor.
Bogor, November 2014
Dyah Ayu Putri P.
E14100056
ABSTRAK
DYAH AYU PUTRI PERTIWI. Identifikasi Pola Hutan Rakyat dan Penutupan
Lahan Lain Menggunakan Citra Landsat 8 OLI (Studi Kasus Asosiasi Petani
Hutan Rakyat Wonosobo). Dibimbing oleh Dr Ir Muhamad Buce Saleh MS.
Landsat 8 merupakan citra satelit baru yang memiliki sensor Operational
Land Imager (OLI) dengan resolusi spasial 30m x 30m sebanyak 8 band. Data dan
informasi tentang tutupan lahan hutan rakyat masih jarang dilakukan. Penelitian
ini bertujuan untuk mengidentifikasi pola hutan rakyat dan kelas tutupan lahan
lain menggunakan Landsat 8. Metode klasifikasi terbimbing yang digunakan yaitu
metode Maximum Likelihood dan Support Vector Machine (SVM). Berdasarkan
hasil analisis separabilitas menggunakan 8 band, pola hutan rakyat di APHR
Wonosobo ternyata belum dapat diidentifikasi dengan baik dan diperoleh 6 kelas
tutupan lahan yaitu pemukiman, badan air, semak/pertanian lahan kering, sawah,
tanah terbuka, serta kebun campuran. Metode terbaik yang mengklasifikasikan
tutupan lahan di APHR Wonosobo adalah metode maximum likelihood dengan
Kappa accuracy sebesar 76.59% dan memiliki kesesuaian tinggi dengan hasil
klasifikasi visual.
Kata kunci: Tutupan lahan, Landsat 8, klasifikasi terbimbing, maximum likelihood
ABSTRACT
DYAH AYU PUTRI PERTIWI. Identification Type of Comunity Forest and
Land Cover by Use Landsat 8 OLI. Supervised by Dr Ir Muhamad Buce Saleh
MS.
Landsat 8 is new satelit has a sensor Operational Land imager (OLI) with a
spatial resolution 30m x 30m and consist of eight spectral bands. Data and
informations about comunity forest land cover is rarely done. The aims of this
research are to identify comunity forest type and other land cover by use Landsat
8. The using method supervised classification in research are maximum likelihood
and Support Vector Machine (SVM). Based on separability analysis using eight
spectral bands, the type of comunity forest in APHR Wonosobo turned out not to
be identified with either and acquired six land cover classes are residential, water
body, shrub/dry land farming, rice field, open land, and mixed farm. The best
method to classify land cover in APHR Wonosobo is maximum likelihood
method with value of Kappa accuracy of 76.59% and has a high conformity by
the visual image interpretation.
Keywords: Land cover, Landsat 8, supervised classification, maximum likelihood
IDENTIFIKASI POLA HUTAN RAKYAT DAN PENUTUPAN
LAHAN LAIN MENGGUNAKAN CITRA LANDSAT 8 OLI
(Studi kasus di Asosiasi Petani Hutan Rakyat Wonosobo)
DYAH AYU PUTRI PERTIWI
Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Kehutanan
pada
Departemen Manajemen Hutan
DEPARTEMEN MANAJEMEN HUTAN
FAKULTAS KEHUTANAN
INSTITUT PERTANIAN BOGOR
BOGOR
2014
Judul Skripsi : Identifikasi Pola Hutan Rakyat dan Penutupan Lahan Lain
Menggunakan Citra Landsat 8 OLI (Studi kasus di Asosiasi Petani
Hutan Rakyat Wonosobo)
Nama
: Dyah Ayu Putri Pertiwi
NIM
: E14100056
Disetujui oleh
Dr Ir Muhamad Buce Saleh MS
Pembimbing
Diketahui oleh
Dr Ir Ahmad Budiaman MSc F Trop
Ketua Departemen
Tanggal Lulus:
PRAKATA
Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas
segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Tema yang
dipilih dalam penelitian yang dilaksanakan sejak bulan Mei 2014 ini ialah
pemetaan tutupan lahan, dengan judul Identifikasi Pola Hutan Rakyat dan
Penutupan Lahan Lain Menggunakan Citra Landsat 8 OLI (Studi kasus di
Asosiasi Petani Hutan Rakyat Wonosobo)
Terima kasih penulis ucapkan kepada Bapak Dr Ir Muhamad Buce Saleh MS
selaku pembimbing, keluarga besar Laboratorium GIS dan Remote Sensing
Departemen Manajemen Hutan yang selama ini telah membantu dalam
pengolahan data. Segenap kerabat FORCI Development, seluruh kawan-kawan
Pengurus Pusat Sylva Indonesia, dan keluarga besar Manajemen Hutan 47 yang
memberikan motivasi dan support, serta sahabat-sahabat tercinta yang telah
memberikan semangat, dukungan dan motivasi selama ini. Di samping itu,
penghargaan penulis sampaikan kepada anggota APHR Wonosobo dan teman teman satu bimbingan yang telah membantu selama pengumpulan data. Ungkapan
terima kasih juga disampaikan kepada ayah, ibu, serta seluruh keluarga atas segala
doa dan kasih sayangnya.
Semoga karya ilmiah ini bermanfaat.
Bogor, November 2014
Dyah Ayu Putri P.
DAFTAR ISI
DAFTAR TABEL
viii
DAFTAR GAMBAR
viii
DAFTAR LAMPIRAN
viii
PENDAHULUAN
1
Latar Belakang
1
Tujuan Penelitian
1
Manfaat Penelitian
1
METODOLOGI
2
Lokasi dan Waktu
2
Alat dan Bahan
2
Prosedur Analisis Data
2
HASIL DAN PEMBAHASAN
6
Identifikasi Objek di Lapangan
6
Kombinasi Band Terbaik
7
Analisis Separabilitas
9
Klasifikasi Tutupan Lahan
11
Analisis Akurasi
14
Interpretasi Visual Citra
16
SIMPULAN DAN SARAN
18
Simpulan
18
Saran
18
DAFTAR PUSTAKA
18
LAMPIRAN
20
RIWAYAT HIDUP
24
DAFTAR TABEL
1
2
3
4
5
Kriteria tingkat keterpisahan antar kelas dari nilai Transformed
Divergence
Contoh matrix kontingensi
Jenis tutupan lahan dan pola hutan rakyat di APHR Wonosobo
Jenis tutupan lahan dan pola hutan rakyat di APHR Wonosobo
(lanjutan)
Karakteristik citra Landsat 8 OLI
5
5
6
7
7
DAFTAR GAMBAR
Peta sebaran titik pengamatan lapangan di APHR Wonosobo
Kombinasi band a) 875, b) 853, c) 654
Diagram proses regroup pada analisis separabilitas
Peta klasifikasi tutupan lahan APHR Wonosobo menggunakan metode
maximum likelihood
5 Peta klasifikasi tutupan lahan APHR Wonosobo menggunakan metode
SVM Linier
6 Peta klasifikasi tutupan lahan APHR Wonosobo menggunakan metode
SVM Polynomial
7 Peta klasifikasi tutupan lahan APHR Wonosobo menggunakan metode
SVM Radial Basis Function
8 Peta klasifikasi tutupan lahan APHR Wonosobo menggunakan metode
SVM Sigmoid
9 Kappa accuracy hasil klasifikasi tutupan lahan
10 Peta sebaran tutupan lahan APHR Wonosobo hasil interpretasi visual
1
2
3
4
4
9
10
12
13
13
14
14
15
17
DAFTAR LAMPIRAN
1
2
3
4
Analisis separabilitas pada 13 kelas tutupan lahan di APHR Wonosobo
menggunakan 8 band OLI
Matrik kontingensi pada metode klasifikasi maximum likelihood dengan
8 band OLI
Hasil analisis visual citra berdasarkan elemen-elemen interpretasi
Hasil analisis visual citra berdasarkan elemen-elemen interpretasi
(lanjutan)
20
21
22
23
1
PENDAHULUAN
Latar Belakang
Hutan rakyat merupakan lahan hutan di luar kawasan hutan negara yang
banyak berkembang di Pulau Jawa. Menurut Balai Pemantapan Kawasan Hutan
Wilayah XI Jawa-Madura (2012) diperoleh informasi bahwa luas indikatif sebaran
hutan rakyat di Pulau Jawa pada tahun 2006-2008 mengalami peningkatan luas
dan potensi hutan rakyat semakin meningkat. Pengembangan dan pengelolaan
hutan rakyat secara lestari dan berkelanjutan penting dilakukan karena tanpa
disadari hutan rakyat selama ini telah berkontribusi besar dalam menjaga stabilitas
alam, pengaturan tata air, dan sosial ekonomi masyarakat pemilik hutan rakyat
maupun ekonomi daerah.
Pengelolaan hutan rakyat yang terintegrasi perlu didukung oleh data dan
informasi dasar tentang kondisi fisik hutan rakyat. Jenis penutupan lahan
merupakan suatu data yang dibutuhkan untuk dapat menerapkan sistem
pengelolaan sumber daya alam yang tepat, sesuai dengan kondisi lokasi yang akan
dikelola. Perlu diketahui pula data dan informasi tentang jenis penutupan lahan
hutan rakyat ini masih belum banyak diketahui dan dilakukan penelitian.
Salah satu upaya untuk mengetahui kondisi penutupan lahan suatu daerah
dapat dilakukan secara lengkap, cepat, dan akurat menggunakan teknologi
penginderaan jauh. Menurut Lillesand dan Kiefer (1990) dalam Prasetyo (2013),
penginderaan jauh adalah ilmu dan seni untuk memperoleh informasi tentang
suatu objek, daerah atau fenomena melalui analisis data yang diperoleh dengan
suatu alat tanpa kontak langsung dengan objek, daerah atau fenomena yang dikaji.
Teknologi penginderaan jauh berkembang pesat sejak diluncurkan satelit
penginderaan jauh Landsat 1 yang terus mengalami perkembangan hingga
peluncuran Landsat 7. Pada tanggal 11 Februari 2013 NASA meluncurkan satelit
Landsat 8 yang menggunakan sensor Operational Land Imager (OLI) dan
Thermal Infrared Sensor (TIRS). Peluncuran Landsat 8 untuk melanjutkan misi
dari Landsat 7 yang mengalami kerusakan sejak Mei 2003. Landsat 8 ini memiliki
11 saluran yang terdiri dari 9 band pada sensor OLI dan 2 band pada sensor TIRS
(USGS 2014). Penambahan band dan pergeseran panjang gelombang yang
dimiliki oleh Landsat 8 ini diharapkan dapat meningkatkan kemampuan citra
dalam mengidentifikasi kelas tutupan lahan dan pola hutan rakyat di Asosiasi
Pemilik Hutan Rakyat (APHR) Wonosobo.
Tujuan Penelitian
Mengidentifikasi pola hutan rakyat dan kelas tutupan lahan di APHR
Wonosobo menggunakan Citra Satelit Landsat 8 OLI dengan metode Maximum
Likelihood dan Support Vector Machine.
Manfaat Penelitian
Hasil dari penelitian ini diharapkan dapat digunakan sebagai informasi
perkembangan penutupan lahan hutan rakyat di APHR Wonosobo sehingga dapat
membantu dalam pengelolaan hutan rakyat dan perencanaan tata ruang wilayah.
2
METODOLOGI
Lokasi dan Waktu
Penelitian ini dilaksanakan mulai bulan Mei-Oktober di Asosiasi Pemilik
Hutan Rakyat (APHR) Wonosobo Kabupaten Wonosobo yang terdiri dari 4 desa
yaitu Durensawit, Jonggolsari, Kalimendong, dan Manggis. Pengambilan data
lapangan dilaksanakan pada bulan Mei-Juni 2014. Pengolahan data dilaksanakan
pada bulan Juli-Oktober 2014.
Alat dan Bahan
Alat yang digunakan dalam penelitian ini adalah tally sheet, alat tulis, Global
Positioning System (GPS Receiver), kamera, laptop yang dilengkapi software
ERDAS IMAGINE 9.1, ArcGIS 9.3, ENVI 4.5, Microsoft Word 2007, Microsoft
Excel 2007. Bahan yang digunakan dalam penunjang penelitian ini adalah Citra
Landsat 8 OLI path 120 dan row 65 perekaman tanggal 10 Mei 2014, Peta Rupa
Bumi Kabupaten Wonosobo skala 1: 50 000.
Prosedur Analisis Data
Pra Pengolahan Citra
Pra pengolahan citra merupakan langkah awal sebelum melakukan pengolahan
citra. Beberapa langkah dalam pra-pengolahan citra meliputi import data citra,
penggabungan band, koreksi radiometrik, pemotongan citra.
1. Perubahan format (Import data)
Import data citra merupakan proses pengubahan data citra dari format *TIFF
menjadi format *img. Citra yang digunakan yaitu Landsat 8 OLI perekaman
tahun 2014.
2. Penggabungan citra (Layer stack)
Citra Landsat 8 terdiri dari 9 saluran band Operasional Land Imager (OLI)
dan 2 saluran Thermal Infrared Sensor (TIRS) yang terdiri dari layer sejumlah
band tersebut. Penggabungan citra ini dilakukan bertujuan untuk mendapatkan
data citra multispektral yang terdiri dari band cahaya tampak (visible), TIR,
NIR, SWIR dan Cirrus pada Landsat 8. Jaya (2010) menjelaskan bahwa
dengan hanya menggunakan satu band (saluran) yang umumnya ditampilkan
dengan grayscale/hitam putih, identifikasi objek pada citra umumnya lebih
sulit dibandingkan dengan interpretasi pada citra berwarna. Penelitian ini
menggunakan citra multiband meliputi band 1, 2, 3, 4, 5, 6, 7, dan 9 yang
memiliki resolusi spasial sama yaitu 30 m x 30 m.
3. Koreksi geometrik
Citra hasil perekaman sensor satelit merupakan hasil representasi bentuk
muka bumi yang mempunyai bentuk tidak beraturan yang dipengaruhi oleh
kelengkungan bumi ataupun kesalahan sensor. Walaupun pada hasil citra,
muka bumi berbentuk datar sesungguhnya terjadi kesalahan. Koreksi
geometrik dilakukan untuk mendapatkan posisi citra yang sama dengan posisi
koordinat geografis. Hal ini dilakukan pada citra untuk mendapatkan nilai
piksel pada posisi yang tepat.
3
Pada citra Landsat 8 ini sudah terorthorektikasi Level 1T artinya sudah
dilakukan koreksi dengan data standart correction (koreksi tegak) berdasarkan
Data Elevation Model (DEM) dan Global Land Surveys (GLS) 2000 (USGS
2014).
4. Pemotongan citra (Subset image)
Pemotongan citra bertujuan untuk mengetahui secara jelas daerah penelitian
yang akan digunakan sesuai dengan fokus lokasi penelitian. Citra dipotong
menggunakan peta administrasi Desa Kalimendong, Manggis, Jonggolsari, dan
Durensawit dari Peta Rupa Bumi Indonesia. Pemotongan citra dilakukan
dengan memotong citra yang sudah terkoreksi pada lokasi penelitian
menggunakan software ERDAS IMAGINE 9.1 dan ArcGis 9.3.
5. Perhitungan Optimum Index Factor (OIF)
Penelitian ini diawali dengan dilakukannya orientasi data citra untuk
mengetahui tentang pola sebaran dan penentuan lahan yang akan digunakan
sebagai daerah penelitian. Dalam penyajian citra digital dengan multiband di
komputer digunakan kombinasi 3 band yaitu red, green, dan blue agar
didapatkan komposit warna. Banyaknya informasi yang dimuat pada suatu citra
komposit, dapat diketahui menggunakan penghitungan nilai OIF (Optimum
Index Factor). Secara matematis, OIF ini diformulasikan dengan rumus
sebagai berikut:
Si S j S k
OIFijk
rij r jk rik
Si, Sj, dan Sk adalah simpangan baku dari band ke-i, j dan k. Sedangkan rij, rik,
dan rjk adalah koefisien korelasi antara bandnya (Jaya 2010).
Perhitungan nilai OIF yang menghasilkan kombinasi citra komposit
bertujuan untuk membantu dalam identifikasi penutupan lahan menggunakan
metode interpretasi visual. Selain menggunakan nilai OIF dalam interpretasi
citra yang dilakukan dalam penelitian ini juga mempertimbangkan tampilan
visual citra yang mudah dilakukan identifikasi tutupan lahan dengan warna
yang mudah dibedakan.
Interpretasi Visual Citra
Interpretasi visual merupakan proses mengidentifikasi ciri objek secara
spasial yang tergambar dalam citra (Purwadhi 2001 dalam Mentari 2013).
Karakteristik objek dapat dikenali dengan memperhatikan elemen-elemen
interpretasi yaitu warna, bentuk, ukuran, pola, tekstur, bayangan, letak dan
asosiasi kenampakan objek.
Pengambilan Data Lapangan (Ground check)
Penentuan titik dan pengambilan data dilakukan secara purposive sampling
yang direncanakan berdasarkan kondisi tutupan lahan dan hutan rakyat di APHR
Wonosobo. Pengamatan lapangan dilakukan untuk melihat jenis, kondisi tutupan
lahan yang sebenarnya secara langsung di daerah penelitian. Pengamatan
lapangan ini dilakukan dengan mengambil titik pada citra minimal satu titik
pengamatan lapang dan memungkinkan untuk dijangkau (aksesibilitas baik).
Jumlah sampling yang diambil mungkin berbeda untuk masing-masing
tutupan lahan dengan pertimbangan luasan masing-masing tutupan lahan. Proses
4
pengambilan data lapangan menggunakan alat GPS Receiver sebagai alat bantu
dalam pengambilan koordinat titik pengamatan sebanyak 83 titik pengamatan.
Data yang diambil berupa kondisi tutupan lahan, kondisi topografi, koordinat titik
lapangan, dan foto lapangan. Sebaran titik pengamatan dapat dilihat pada Gambar
1.
Gambar 1 Peta sebaran titik pengamatan lapangan di APHR Wonosobo
Pengolahan Citra
Pengolahan citra dalam klasifikasi tutupan lahan dilakukan menggunakan
analisis klasifikasi terbimbing (supervised classification) yang pengelompokan
kelas ditetapkan berdasarkan penciri kelas (signature class). Penciri kelas ini
merupakan satu data set yang diperoleh dari pembuatan training area dan klaster.
Pada pengambilan keputusan masing-masing memerlukan suatu atribut sebagai
input yang umumnya disimpan dalam file signature.
Pada analisis ini setiap piksel yang diasumsikan berkarakteristik homogen,
dilakukan penentuan atau pemilihan area contoh untuk mencari kelompokkelompok objek yang secara spektral terpisah satu dengan yang lain sehingga
pola-pola respon spektral yang terdapat pada citra dapat diekstrak.
1. Penentuan area contoh (training area)
Penentuan area contoh (training area) dalam klasifikasi terbimbing
dilakukan sesuai dengan data lapangan berupa titik pengamatan kategori
tutupan lahan. Training area diperlukan pada setiap kelas yang akan dibuat dan
diambil dari areal yang cukup homogen. Pada pengambilan training area
harus dilihat perbedaan antar kategori tutupan lahan pada tampilan citra.
Training area ini dilakukan untuk mendapatkan penciri kelas seperti ragamperagam, mean, minimum, maksimum. Secara teoritis jumlah piksel yang
diambil per kelas adalah sebanyak jumlah band yang digunakan plus satu
5
(N+1). Namun pada prakteknya, jumlah piksel yang harus diambil dari setiap
kelas biasanya 10 sampai 100 kali jumlah band yang digunakan (10N-100N)
(Jaya 2010).
2. Analisis separabilitas
Analisis separabilitas merupakan analisis kuantitatif yang memberikan
informasi mengenai evaluasi keterpisahan training area dari setiap kelas
berbentuk ukuran statistik antar dua kelas. Separabilitas ini dapat dihitung
untuk setiap kombinasi band. Pada penelitian ini dilakukan pengurangan
kombinasi band yang digunakan pada layer stack untuk melihat kombinasi
band yang optimum digunakan dalam identifikasi penutupan lahan. Band yang
dipilih merupakan band dengan nilai korelasi antar band rendah.
Metode yang digunakan pada penelitian ini yaitu metode Transformed
Divergence (TD) yang digunakan untuk mengukur tingkat keterpisahan antar
kelas. Nilai TD akan berkisar 0 sampai 2000. Menurut Jaya (2009) kriteria
tingkat keterpisahan antar kelas dari nilai TD dapat dilihat pada Tabel 1.
Tabel 1 Kriteria tingkat keterpisahan antar kelas dari nilai Transformed
Divergence
Nilai transformed divergence
Deskripsi
2000
1900 -
LAHAN LAIN MENGGUNAKAN CITRA LANDSAT 8 OLI
(Studi kasus di Asosiasi Petani Hutan Rakyat Wonosobo)
DYAH AYU PUTRI PERTIWI
DEPARTEMEN MANAJEMEN HUTAN
FAKULTAS KEHUTANAN
INSTITUT PERTANIAN BOGOR
BOGOR
2014
PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa skripsi berjudul Identifikasi Pola Hutan
Rakyat dan Penutupan Lahan Lain Menggunakan Citra Landsat 8 OLI
(Studi kasus di Asosiasi Petani Hutan Rakyat Wonosobo) adalah benar karya
saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk
apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau
dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah
disebutkan dalam teks dan dicantumkan dalam daftar pustaka di bagian akhir
skripsi ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut
Pertanian Bogor.
Bogor, November 2014
Dyah Ayu Putri P.
E14100056
ABSTRAK
DYAH AYU PUTRI PERTIWI. Identifikasi Pola Hutan Rakyat dan Penutupan
Lahan Lain Menggunakan Citra Landsat 8 OLI (Studi Kasus Asosiasi Petani
Hutan Rakyat Wonosobo). Dibimbing oleh Dr Ir Muhamad Buce Saleh MS.
Landsat 8 merupakan citra satelit baru yang memiliki sensor Operational
Land Imager (OLI) dengan resolusi spasial 30m x 30m sebanyak 8 band. Data dan
informasi tentang tutupan lahan hutan rakyat masih jarang dilakukan. Penelitian
ini bertujuan untuk mengidentifikasi pola hutan rakyat dan kelas tutupan lahan
lain menggunakan Landsat 8. Metode klasifikasi terbimbing yang digunakan yaitu
metode Maximum Likelihood dan Support Vector Machine (SVM). Berdasarkan
hasil analisis separabilitas menggunakan 8 band, pola hutan rakyat di APHR
Wonosobo ternyata belum dapat diidentifikasi dengan baik dan diperoleh 6 kelas
tutupan lahan yaitu pemukiman, badan air, semak/pertanian lahan kering, sawah,
tanah terbuka, serta kebun campuran. Metode terbaik yang mengklasifikasikan
tutupan lahan di APHR Wonosobo adalah metode maximum likelihood dengan
Kappa accuracy sebesar 76.59% dan memiliki kesesuaian tinggi dengan hasil
klasifikasi visual.
Kata kunci: Tutupan lahan, Landsat 8, klasifikasi terbimbing, maximum likelihood
ABSTRACT
DYAH AYU PUTRI PERTIWI. Identification Type of Comunity Forest and
Land Cover by Use Landsat 8 OLI. Supervised by Dr Ir Muhamad Buce Saleh
MS.
Landsat 8 is new satelit has a sensor Operational Land imager (OLI) with a
spatial resolution 30m x 30m and consist of eight spectral bands. Data and
informations about comunity forest land cover is rarely done. The aims of this
research are to identify comunity forest type and other land cover by use Landsat
8. The using method supervised classification in research are maximum likelihood
and Support Vector Machine (SVM). Based on separability analysis using eight
spectral bands, the type of comunity forest in APHR Wonosobo turned out not to
be identified with either and acquired six land cover classes are residential, water
body, shrub/dry land farming, rice field, open land, and mixed farm. The best
method to classify land cover in APHR Wonosobo is maximum likelihood
method with value of Kappa accuracy of 76.59% and has a high conformity by
the visual image interpretation.
Keywords: Land cover, Landsat 8, supervised classification, maximum likelihood
IDENTIFIKASI POLA HUTAN RAKYAT DAN PENUTUPAN
LAHAN LAIN MENGGUNAKAN CITRA LANDSAT 8 OLI
(Studi kasus di Asosiasi Petani Hutan Rakyat Wonosobo)
DYAH AYU PUTRI PERTIWI
Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Kehutanan
pada
Departemen Manajemen Hutan
DEPARTEMEN MANAJEMEN HUTAN
FAKULTAS KEHUTANAN
INSTITUT PERTANIAN BOGOR
BOGOR
2014
Judul Skripsi : Identifikasi Pola Hutan Rakyat dan Penutupan Lahan Lain
Menggunakan Citra Landsat 8 OLI (Studi kasus di Asosiasi Petani
Hutan Rakyat Wonosobo)
Nama
: Dyah Ayu Putri Pertiwi
NIM
: E14100056
Disetujui oleh
Dr Ir Muhamad Buce Saleh MS
Pembimbing
Diketahui oleh
Dr Ir Ahmad Budiaman MSc F Trop
Ketua Departemen
Tanggal Lulus:
PRAKATA
Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas
segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Tema yang
dipilih dalam penelitian yang dilaksanakan sejak bulan Mei 2014 ini ialah
pemetaan tutupan lahan, dengan judul Identifikasi Pola Hutan Rakyat dan
Penutupan Lahan Lain Menggunakan Citra Landsat 8 OLI (Studi kasus di
Asosiasi Petani Hutan Rakyat Wonosobo)
Terima kasih penulis ucapkan kepada Bapak Dr Ir Muhamad Buce Saleh MS
selaku pembimbing, keluarga besar Laboratorium GIS dan Remote Sensing
Departemen Manajemen Hutan yang selama ini telah membantu dalam
pengolahan data. Segenap kerabat FORCI Development, seluruh kawan-kawan
Pengurus Pusat Sylva Indonesia, dan keluarga besar Manajemen Hutan 47 yang
memberikan motivasi dan support, serta sahabat-sahabat tercinta yang telah
memberikan semangat, dukungan dan motivasi selama ini. Di samping itu,
penghargaan penulis sampaikan kepada anggota APHR Wonosobo dan teman teman satu bimbingan yang telah membantu selama pengumpulan data. Ungkapan
terima kasih juga disampaikan kepada ayah, ibu, serta seluruh keluarga atas segala
doa dan kasih sayangnya.
Semoga karya ilmiah ini bermanfaat.
Bogor, November 2014
Dyah Ayu Putri P.
DAFTAR ISI
DAFTAR TABEL
viii
DAFTAR GAMBAR
viii
DAFTAR LAMPIRAN
viii
PENDAHULUAN
1
Latar Belakang
1
Tujuan Penelitian
1
Manfaat Penelitian
1
METODOLOGI
2
Lokasi dan Waktu
2
Alat dan Bahan
2
Prosedur Analisis Data
2
HASIL DAN PEMBAHASAN
6
Identifikasi Objek di Lapangan
6
Kombinasi Band Terbaik
7
Analisis Separabilitas
9
Klasifikasi Tutupan Lahan
11
Analisis Akurasi
14
Interpretasi Visual Citra
16
SIMPULAN DAN SARAN
18
Simpulan
18
Saran
18
DAFTAR PUSTAKA
18
LAMPIRAN
20
RIWAYAT HIDUP
24
DAFTAR TABEL
1
2
3
4
5
Kriteria tingkat keterpisahan antar kelas dari nilai Transformed
Divergence
Contoh matrix kontingensi
Jenis tutupan lahan dan pola hutan rakyat di APHR Wonosobo
Jenis tutupan lahan dan pola hutan rakyat di APHR Wonosobo
(lanjutan)
Karakteristik citra Landsat 8 OLI
5
5
6
7
7
DAFTAR GAMBAR
Peta sebaran titik pengamatan lapangan di APHR Wonosobo
Kombinasi band a) 875, b) 853, c) 654
Diagram proses regroup pada analisis separabilitas
Peta klasifikasi tutupan lahan APHR Wonosobo menggunakan metode
maximum likelihood
5 Peta klasifikasi tutupan lahan APHR Wonosobo menggunakan metode
SVM Linier
6 Peta klasifikasi tutupan lahan APHR Wonosobo menggunakan metode
SVM Polynomial
7 Peta klasifikasi tutupan lahan APHR Wonosobo menggunakan metode
SVM Radial Basis Function
8 Peta klasifikasi tutupan lahan APHR Wonosobo menggunakan metode
SVM Sigmoid
9 Kappa accuracy hasil klasifikasi tutupan lahan
10 Peta sebaran tutupan lahan APHR Wonosobo hasil interpretasi visual
1
2
3
4
4
9
10
12
13
13
14
14
15
17
DAFTAR LAMPIRAN
1
2
3
4
Analisis separabilitas pada 13 kelas tutupan lahan di APHR Wonosobo
menggunakan 8 band OLI
Matrik kontingensi pada metode klasifikasi maximum likelihood dengan
8 band OLI
Hasil analisis visual citra berdasarkan elemen-elemen interpretasi
Hasil analisis visual citra berdasarkan elemen-elemen interpretasi
(lanjutan)
20
21
22
23
1
PENDAHULUAN
Latar Belakang
Hutan rakyat merupakan lahan hutan di luar kawasan hutan negara yang
banyak berkembang di Pulau Jawa. Menurut Balai Pemantapan Kawasan Hutan
Wilayah XI Jawa-Madura (2012) diperoleh informasi bahwa luas indikatif sebaran
hutan rakyat di Pulau Jawa pada tahun 2006-2008 mengalami peningkatan luas
dan potensi hutan rakyat semakin meningkat. Pengembangan dan pengelolaan
hutan rakyat secara lestari dan berkelanjutan penting dilakukan karena tanpa
disadari hutan rakyat selama ini telah berkontribusi besar dalam menjaga stabilitas
alam, pengaturan tata air, dan sosial ekonomi masyarakat pemilik hutan rakyat
maupun ekonomi daerah.
Pengelolaan hutan rakyat yang terintegrasi perlu didukung oleh data dan
informasi dasar tentang kondisi fisik hutan rakyat. Jenis penutupan lahan
merupakan suatu data yang dibutuhkan untuk dapat menerapkan sistem
pengelolaan sumber daya alam yang tepat, sesuai dengan kondisi lokasi yang akan
dikelola. Perlu diketahui pula data dan informasi tentang jenis penutupan lahan
hutan rakyat ini masih belum banyak diketahui dan dilakukan penelitian.
Salah satu upaya untuk mengetahui kondisi penutupan lahan suatu daerah
dapat dilakukan secara lengkap, cepat, dan akurat menggunakan teknologi
penginderaan jauh. Menurut Lillesand dan Kiefer (1990) dalam Prasetyo (2013),
penginderaan jauh adalah ilmu dan seni untuk memperoleh informasi tentang
suatu objek, daerah atau fenomena melalui analisis data yang diperoleh dengan
suatu alat tanpa kontak langsung dengan objek, daerah atau fenomena yang dikaji.
Teknologi penginderaan jauh berkembang pesat sejak diluncurkan satelit
penginderaan jauh Landsat 1 yang terus mengalami perkembangan hingga
peluncuran Landsat 7. Pada tanggal 11 Februari 2013 NASA meluncurkan satelit
Landsat 8 yang menggunakan sensor Operational Land Imager (OLI) dan
Thermal Infrared Sensor (TIRS). Peluncuran Landsat 8 untuk melanjutkan misi
dari Landsat 7 yang mengalami kerusakan sejak Mei 2003. Landsat 8 ini memiliki
11 saluran yang terdiri dari 9 band pada sensor OLI dan 2 band pada sensor TIRS
(USGS 2014). Penambahan band dan pergeseran panjang gelombang yang
dimiliki oleh Landsat 8 ini diharapkan dapat meningkatkan kemampuan citra
dalam mengidentifikasi kelas tutupan lahan dan pola hutan rakyat di Asosiasi
Pemilik Hutan Rakyat (APHR) Wonosobo.
Tujuan Penelitian
Mengidentifikasi pola hutan rakyat dan kelas tutupan lahan di APHR
Wonosobo menggunakan Citra Satelit Landsat 8 OLI dengan metode Maximum
Likelihood dan Support Vector Machine.
Manfaat Penelitian
Hasil dari penelitian ini diharapkan dapat digunakan sebagai informasi
perkembangan penutupan lahan hutan rakyat di APHR Wonosobo sehingga dapat
membantu dalam pengelolaan hutan rakyat dan perencanaan tata ruang wilayah.
2
METODOLOGI
Lokasi dan Waktu
Penelitian ini dilaksanakan mulai bulan Mei-Oktober di Asosiasi Pemilik
Hutan Rakyat (APHR) Wonosobo Kabupaten Wonosobo yang terdiri dari 4 desa
yaitu Durensawit, Jonggolsari, Kalimendong, dan Manggis. Pengambilan data
lapangan dilaksanakan pada bulan Mei-Juni 2014. Pengolahan data dilaksanakan
pada bulan Juli-Oktober 2014.
Alat dan Bahan
Alat yang digunakan dalam penelitian ini adalah tally sheet, alat tulis, Global
Positioning System (GPS Receiver), kamera, laptop yang dilengkapi software
ERDAS IMAGINE 9.1, ArcGIS 9.3, ENVI 4.5, Microsoft Word 2007, Microsoft
Excel 2007. Bahan yang digunakan dalam penunjang penelitian ini adalah Citra
Landsat 8 OLI path 120 dan row 65 perekaman tanggal 10 Mei 2014, Peta Rupa
Bumi Kabupaten Wonosobo skala 1: 50 000.
Prosedur Analisis Data
Pra Pengolahan Citra
Pra pengolahan citra merupakan langkah awal sebelum melakukan pengolahan
citra. Beberapa langkah dalam pra-pengolahan citra meliputi import data citra,
penggabungan band, koreksi radiometrik, pemotongan citra.
1. Perubahan format (Import data)
Import data citra merupakan proses pengubahan data citra dari format *TIFF
menjadi format *img. Citra yang digunakan yaitu Landsat 8 OLI perekaman
tahun 2014.
2. Penggabungan citra (Layer stack)
Citra Landsat 8 terdiri dari 9 saluran band Operasional Land Imager (OLI)
dan 2 saluran Thermal Infrared Sensor (TIRS) yang terdiri dari layer sejumlah
band tersebut. Penggabungan citra ini dilakukan bertujuan untuk mendapatkan
data citra multispektral yang terdiri dari band cahaya tampak (visible), TIR,
NIR, SWIR dan Cirrus pada Landsat 8. Jaya (2010) menjelaskan bahwa
dengan hanya menggunakan satu band (saluran) yang umumnya ditampilkan
dengan grayscale/hitam putih, identifikasi objek pada citra umumnya lebih
sulit dibandingkan dengan interpretasi pada citra berwarna. Penelitian ini
menggunakan citra multiband meliputi band 1, 2, 3, 4, 5, 6, 7, dan 9 yang
memiliki resolusi spasial sama yaitu 30 m x 30 m.
3. Koreksi geometrik
Citra hasil perekaman sensor satelit merupakan hasil representasi bentuk
muka bumi yang mempunyai bentuk tidak beraturan yang dipengaruhi oleh
kelengkungan bumi ataupun kesalahan sensor. Walaupun pada hasil citra,
muka bumi berbentuk datar sesungguhnya terjadi kesalahan. Koreksi
geometrik dilakukan untuk mendapatkan posisi citra yang sama dengan posisi
koordinat geografis. Hal ini dilakukan pada citra untuk mendapatkan nilai
piksel pada posisi yang tepat.
3
Pada citra Landsat 8 ini sudah terorthorektikasi Level 1T artinya sudah
dilakukan koreksi dengan data standart correction (koreksi tegak) berdasarkan
Data Elevation Model (DEM) dan Global Land Surveys (GLS) 2000 (USGS
2014).
4. Pemotongan citra (Subset image)
Pemotongan citra bertujuan untuk mengetahui secara jelas daerah penelitian
yang akan digunakan sesuai dengan fokus lokasi penelitian. Citra dipotong
menggunakan peta administrasi Desa Kalimendong, Manggis, Jonggolsari, dan
Durensawit dari Peta Rupa Bumi Indonesia. Pemotongan citra dilakukan
dengan memotong citra yang sudah terkoreksi pada lokasi penelitian
menggunakan software ERDAS IMAGINE 9.1 dan ArcGis 9.3.
5. Perhitungan Optimum Index Factor (OIF)
Penelitian ini diawali dengan dilakukannya orientasi data citra untuk
mengetahui tentang pola sebaran dan penentuan lahan yang akan digunakan
sebagai daerah penelitian. Dalam penyajian citra digital dengan multiband di
komputer digunakan kombinasi 3 band yaitu red, green, dan blue agar
didapatkan komposit warna. Banyaknya informasi yang dimuat pada suatu citra
komposit, dapat diketahui menggunakan penghitungan nilai OIF (Optimum
Index Factor). Secara matematis, OIF ini diformulasikan dengan rumus
sebagai berikut:
Si S j S k
OIFijk
rij r jk rik
Si, Sj, dan Sk adalah simpangan baku dari band ke-i, j dan k. Sedangkan rij, rik,
dan rjk adalah koefisien korelasi antara bandnya (Jaya 2010).
Perhitungan nilai OIF yang menghasilkan kombinasi citra komposit
bertujuan untuk membantu dalam identifikasi penutupan lahan menggunakan
metode interpretasi visual. Selain menggunakan nilai OIF dalam interpretasi
citra yang dilakukan dalam penelitian ini juga mempertimbangkan tampilan
visual citra yang mudah dilakukan identifikasi tutupan lahan dengan warna
yang mudah dibedakan.
Interpretasi Visual Citra
Interpretasi visual merupakan proses mengidentifikasi ciri objek secara
spasial yang tergambar dalam citra (Purwadhi 2001 dalam Mentari 2013).
Karakteristik objek dapat dikenali dengan memperhatikan elemen-elemen
interpretasi yaitu warna, bentuk, ukuran, pola, tekstur, bayangan, letak dan
asosiasi kenampakan objek.
Pengambilan Data Lapangan (Ground check)
Penentuan titik dan pengambilan data dilakukan secara purposive sampling
yang direncanakan berdasarkan kondisi tutupan lahan dan hutan rakyat di APHR
Wonosobo. Pengamatan lapangan dilakukan untuk melihat jenis, kondisi tutupan
lahan yang sebenarnya secara langsung di daerah penelitian. Pengamatan
lapangan ini dilakukan dengan mengambil titik pada citra minimal satu titik
pengamatan lapang dan memungkinkan untuk dijangkau (aksesibilitas baik).
Jumlah sampling yang diambil mungkin berbeda untuk masing-masing
tutupan lahan dengan pertimbangan luasan masing-masing tutupan lahan. Proses
4
pengambilan data lapangan menggunakan alat GPS Receiver sebagai alat bantu
dalam pengambilan koordinat titik pengamatan sebanyak 83 titik pengamatan.
Data yang diambil berupa kondisi tutupan lahan, kondisi topografi, koordinat titik
lapangan, dan foto lapangan. Sebaran titik pengamatan dapat dilihat pada Gambar
1.
Gambar 1 Peta sebaran titik pengamatan lapangan di APHR Wonosobo
Pengolahan Citra
Pengolahan citra dalam klasifikasi tutupan lahan dilakukan menggunakan
analisis klasifikasi terbimbing (supervised classification) yang pengelompokan
kelas ditetapkan berdasarkan penciri kelas (signature class). Penciri kelas ini
merupakan satu data set yang diperoleh dari pembuatan training area dan klaster.
Pada pengambilan keputusan masing-masing memerlukan suatu atribut sebagai
input yang umumnya disimpan dalam file signature.
Pada analisis ini setiap piksel yang diasumsikan berkarakteristik homogen,
dilakukan penentuan atau pemilihan area contoh untuk mencari kelompokkelompok objek yang secara spektral terpisah satu dengan yang lain sehingga
pola-pola respon spektral yang terdapat pada citra dapat diekstrak.
1. Penentuan area contoh (training area)
Penentuan area contoh (training area) dalam klasifikasi terbimbing
dilakukan sesuai dengan data lapangan berupa titik pengamatan kategori
tutupan lahan. Training area diperlukan pada setiap kelas yang akan dibuat dan
diambil dari areal yang cukup homogen. Pada pengambilan training area
harus dilihat perbedaan antar kategori tutupan lahan pada tampilan citra.
Training area ini dilakukan untuk mendapatkan penciri kelas seperti ragamperagam, mean, minimum, maksimum. Secara teoritis jumlah piksel yang
diambil per kelas adalah sebanyak jumlah band yang digunakan plus satu
5
(N+1). Namun pada prakteknya, jumlah piksel yang harus diambil dari setiap
kelas biasanya 10 sampai 100 kali jumlah band yang digunakan (10N-100N)
(Jaya 2010).
2. Analisis separabilitas
Analisis separabilitas merupakan analisis kuantitatif yang memberikan
informasi mengenai evaluasi keterpisahan training area dari setiap kelas
berbentuk ukuran statistik antar dua kelas. Separabilitas ini dapat dihitung
untuk setiap kombinasi band. Pada penelitian ini dilakukan pengurangan
kombinasi band yang digunakan pada layer stack untuk melihat kombinasi
band yang optimum digunakan dalam identifikasi penutupan lahan. Band yang
dipilih merupakan band dengan nilai korelasi antar band rendah.
Metode yang digunakan pada penelitian ini yaitu metode Transformed
Divergence (TD) yang digunakan untuk mengukur tingkat keterpisahan antar
kelas. Nilai TD akan berkisar 0 sampai 2000. Menurut Jaya (2009) kriteria
tingkat keterpisahan antar kelas dari nilai TD dapat dilihat pada Tabel 1.
Tabel 1 Kriteria tingkat keterpisahan antar kelas dari nilai Transformed
Divergence
Nilai transformed divergence
Deskripsi
2000
1900 -