Aplikasi Citra Landsat 8 untuk Identifikasi Kelas Tutupan Lahan di Kabupaten Ciamis
APLIKASI CITRA LANDSAT 8 UNTUK IDENTIFIKASI
KELAS TUTUPAN LAHAN DI KABUPATEN CIAMIS
SOFIAN HADI PRASETYO
DEPARTEMEN MANAJEMEN HUTAN
FAKULTAS KEHUTANAN
INSTITUT PERTANIAN BOGOR
BOGOR
2014
PERNYATAAN
Dengan ini saya menyatakan bahwa skripsi berjudul Aplikasi Citra Landsat
8 untuk Identifikasi Kelas Tutupan Lahan di Kabupaten Ciamis adalah benar
karya saya dengan arahan dari 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, Januari 2014
Sofian Hadi Prasetyo
NIM E14090068
ABSTRAK
SOFIAN HADI PRASETYO. Aplikasi Citra Landsat 8 untuk Identifikasi Kelas
Tutupan Lahan di Kabupaten Ciamis. Dibimbing oleh MUHAMMAD BUCE
SALEH.
Landsat 8 merupakan satelit yang dikembangkan oleh National Aeronautics
and Space Administration (NASA) untuk kegiatan pemantauan sumberdaya alam.
Landsat 8 ini merupakan kelanjutan dari misi Landsat sebelumnya (Landsat 7)
yang mengalami kerusakan sejak tahun 2003 dengan penambahan jumlah saluran
dan pergeseran panjang gelombang pada masing-masing salurannya. Penelitian ini
bertujuan untuk menentukan jumlah dan jenis kelas tutupan lahan yang dapat
diidentifikasi dengan menggunakan citra landsat 8 berdasarkan analisis
separabilitas dan menentukan metode klasifikasi terbaik yang dapat digunakan
dalam memetakan kelas tutupan lahan di Kabupaten Ciamis.
Metode yang digunakan pada penelitian ini meliputi identifikasi objek
tutupan lahan yang ditemukan di lapang, pembuatan area contoh, analisis
separabilitas untuk memperoleh jumlah kelas yang dapat diidentifikasi
berdasarkan nilai digital, klasifikasi terbimbing untuk mengkelaskan tutupan lahan
hasil analisis separabilitas kemudian pengujian akurasi, dan perbandingan dengan
interpretasi visual citra.
Berdasarkan analisis separabilitas, jumlah kelas yang dapat diidentifikasi di
Kabupaten Ciamis yaitu sebanyak 12 kelas yang meliputi awan, bayangan awan,
hutan mangrove, hutan karet, kebun kelapa, sawah, semak, tanah kosong, badan
air, pertanian lahan kering, pemukiman dan hutan/ kebun campuran. Metode
terbaik untuk mengkelaskan tutupan lahan di Kabupaten Ciamis yaitu metode
Support Vector Machine dengan fungsi linear karena memiliki nilai kappa
accuracy tertinggi yaitu 76,56% dan memiliki kesesuaian yang tinggi dengan
interpretasi visual citra.
Kata Kunci : tutupan lahan, separabilitas, klasifikasi terbimbing, Landsat 8
ABSTRACT
SOFIAN HADI PRASETYO. The Aplication of Landsat 8 imagery for Land
Cover Class Identification in Ciamis district. Under supervision : MUHAMMAD
BUCE SALEH.
Landsat 8 satellite was developed by National Aeronautics and Space
Administration (NASA) for natural resource monitoring activities. Landsat 8 is a
continuation of the previous Landsat missions (Landsat 7) which has damaged
since 2003 with the addition in number of channels and wavelength shift for each
channel. The aims of this research are to determine the amount and type of land
cover classes that can be identified using Landsat 8 imagery based on separability
analysis and also to determine the best classification method in land cover
mapping classes in Ciamis district.
The using method in this research comprised of identification of land cover
object that found in the field, training area, separability analysis to obtain the
number of class that can be identified based on the digital number, supervised
classification to classify land cover separability analysis result then accuracy test
and compare its result with the visual image interpretation.
Based on separability analysis, the number of classes that can be identified
in Ciamis district consist 12 classes which are cloud, shadows of clouds,
mangrove forest, rubber forest, coconut grove, rice field, shrub, open land, water
bodie, dry land farming, residential and forest/ mixed farm. The best method to
classify land cover in Ciamis district is Support Vector Machine with linear
function because it has the highest value of kappa accuracy of 76,56% and has a
high conformity by the visual image interpretation.
Keywords : Land cover, separability, supervised classification, Landsat 8
APLIKASI CITRA LANDSAT 8 UNTUK IDENTIFIKASI
KELAS TUTUPAN LAHAN DI KABUPATEN CIAMIS
SOFIAN HADI PRASETYO
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 : Aplikasi Citra Landsat 8 untuk Identifikasi Kelas Tutupan Lahan di
Kabupaten Ciamis
Nama
: Sofian Hadi Prasetyo
NIM
: E14090068
Disetujui oleh
Dr Ir Muhammad Buce Saleh, MS
Pembimbing
Diketahui oleh
Dr Ir Ahmad Budiaman, MSc F Trop
Ketua Departemen
Tanggal Lulus:
Judul Skripsi: Aplikasi Citra Landsat 8 untuk Identiftkasi Kelas Tutupan Lahan di
Kabupaten Ciamis
Nama
: Sofian Hadi Prasetyo
: E14090068
NIM
Disetujui oleh
1
Dr Ir Muhammad Buce Saleh. MS
Pembimbing
Tanggal Lulus:
PRAKATA
Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas
segala karunia-Nya sehingga karya ilmiah dengan judul Aplikasi Citra Landsat 8
dalam Identifikasi Kelas Tutupan Lahan di Kabupaten Ciamis berhasil
diselesaikan dengan baik. Penelitian ini dilaksanakan sejak bulan Juli 2013 yang
berlokasi di Kabupaten Ciamis, Jawa Barat.
Terima kasih penulis ucapkan kepada Bapak Dr Ir Muhammad Buce Saleh,
MS selaku dosen pembimbing yang telah memberikan bimbingan dan arahan
dalam menyelesaikan proses penyususan skripsi ini. Ucapan terimakasih juga
penulis sampaikan kepada Bapak Dadang Hendaris selaku kepala perum perhutani
unit III Jawa Barat dan Banten yang telah memberikan izin untuk melaksanakan
penelitian pada lokasi perum perhutani. Disamping itu ucapan terimakasih juga
penulis sampaikan kepada orang tua, seluruh keluarga, Wulan, Bapak Uus, Panji,
Dini, Hastuti, keluarga besar Lab. GIS serta rekan-rekan mahasiswa manajemen
hutan angkatan 46 atas doa dan dukungan yang diberikan.
Semoga karya ilmiah ini bermanfaat.
Bogor, Januari 2014
Penulis
DAFTAR ISI
DAFTAR TABEL
DAFTAR GAMBAR
DAFTAR LAMPIRAN
PENDAHULUAN
Latar Belakang
Tujuan Penelitian
Manfaat Penelitian
METODE
Lokasi dan Waktu
Alat dan Data
Prosedur Analisis Data
HASIL DAN PEMBAHASAN
Identifikasi Objek di Lapangan
Area Contoh (training area)
Analisis Separabilitas
Klasifikasi Terbimbing
Evaluasi Akurasi
Analisis Visual Citra
SIMPULAN DAN SARAN
Simpulan
Saran
DAFTAR PUSTAKA
LAMPIRAN
RIWAYAT HIDUP
vi
vi
vi
1
1
1
2
2
2
2
2
6
6
8
9
15
17
18
19
19
20
20
21
25
DAFTAR TABEL
1.
2.
3.
4.
5.
6.
7.
Karakteristik band citra Landsat 8
Contoh matrik kontingensi
Jenis kelas tutupan lahan di Kabupaten Ciamis
Nilai Optimum Index Factor (OIF) citra Landsat 8
Tutupan lahan hasil analisis separabilitas
Tutupan lahan hasil analisis separabilitas (lanjutan)
Nilai separabilitas dari 12 kelas tutupan lahan di Kabupaten Ciamis
dengan menggunakan 8 band OLI pada citra Landsat 8
8. Nilai separabilitas dari 12 kelas tutupan lahan di Kabupaten Ciamis
dengan menggunakan 6 band OLI pada citra Landsat 8
9. Nilai separabilitas dari 12 kelas tutupan lahan di Kabupaten Ciamis
dengan menggunakan 6 band OLI dan 2 band TIRS pada citra Landsat
8
3
6
7
8
10
11
13
14
14
DAFTAR GAMBAR
1. Peta sebaran titik pengamatan lapang di Kabupaten Ciamis
2. Citra Landsat 8 lokasi penelitian, (a) kombinasi 8-7-3; (b) kombinasi
7-5-3
3. Diagram proses re-group pada analisis separabilitas
4. Peta klasifikasi tutupan lahan di Kabupaten Ciamis dengan metode
Maximum Likelihood
5. Peta klasifikasi tutupan lahan di Kabupaten Ciamis dengan metode
SVM linear
6. Peta klasifikasi tutupan lahan di Kabupaten Ciamis dengan metode
SVM polynomial
7. Peta klasifikasi tutupan lahan di Kabupaten Ciamis dengan metode
SVM radial basis function
8. Peta klasifikasi tutupan lahan di Kabupaten Ciamis dengan metode
SVM sigmoid
9. Overall accuracy hasil klasifikasi
10. Kappa accuracy hasil klasifikasi
11. Peta klasifikasi tutupan lahan dengan metode interpretasi visual
4
8
12
15
16
16
16
16
17
17
19
DAFTAR LAMPIRAN
1.
2.
3.
4.
Nilai separabilitas dari 34 kelas tutupan lahan di Kabupaten Ciamis
Nilai separabilitas dari 17 kelas tutupan lahan di Kabupaten Ciamis
Nilai separabilitas dari 14 kelas tutupan lahan di Kabupaten Ciamis
Matrik kontingensi pada metode klasifikasi SVM linear dengan 8 band
OLI
21
22
23
24
PENDAHULUAN
Latar Belakang
Pengelolaan hutan yang baik dan benar sangat dibutuhkan untuk menjamin
kelestarian sumberdaya hutan baik dari segi ekonomi, ekologi dan sosial. Untuk
menjaga eksistensi fisik dan kualitas hutan yang berkelanjutan diperlukan suatu
pengelolaan yang berdasarkan asas kelestarian. Pengelolaan hutan yang
terintegrasi perlu didukung oleh data atau informasi dasar tentang kondisi fisik
hutan. Jenis penutupan lahan dan penggunaan lahan merupakan salah satu data
yang dibutuhkan untuk dapat menerapkan sistem pengelolaan sumberdaya alam
yang tepat sesuai dengan kondisi lokasi yang akan dikelola.
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 obyek, daerah atau fenomena
yang dikaji (Lillesand dan Kiefer 1990). Teknologi penginderaan jauh sangat
dibutuhkan untuk dapat mengidentifikasi jenis penutupan lahan secara cepat,
akurat, efisien dan meliputi cakupan yang cukup luas dengan biaya yang relatif
murah.
Indonesia telah memanfaatkan citra penginderaan jauh dalam
mengidentifikasi tutupan lahan, umumnya dalam pemantauan sumberdaya alam di
Indonesia digunakan citra optik Landsat. Landsat 8 secara resmi mulai beroperasi
pada tanggal 30 Mei 2013 dan data produk satelit tersebut tersedia untuk publik
yang dapat diakses melalui website USGS (NASA 2013). Landsat 8 diluncurkan
untuk melanjutkan misi dari Landsat 7 yang mengalami kerusakan sejak Mei
2003. Karakteristik Landsat 8 mirip dengan Landsat 7 baik resolusi, metode
koreksi, ketinggian terbang maupun karakteristik sensor yang dibawa. Satelit
Landsat 8 memiliki sensor Onboard Operational Land Imager (OLI) dan Thermal
Infrared Sensor (TIRS) dengan jumlah kanal sebanyak 11 buah. Bertambahnya
jumlah band dan pergeseran panjang gelombang dari band pada citra Landsat 8
diharapkan dapat meningkatkan kemampuan citra dalam mengidentifikasi tutupan
lahan yang terdapat di Kabupaten Ciamis.
Tujuan Penelitian
Penelitian ini bertujuan untuk :
1. Menentukan jumlah dan jenis kelas tutupan lahan yang dapat dibedakan
berdasarkan analisis separabilitas dengan menggunakan citra Landsat 8 di
Kabupaten Ciamis.
2. Menentukan metode klasifikasi digital yang memiliki tingkat akurasi lebih
tinggi antara metode Maximum Likelihood dengan metode Support Vector
Machine (SVM) dalam memetakan tutupan lahan Kabupaten Ciamis.
2
Manfaat Penelitian
Penelitian ini diharapkan dapat memberikan informasi terbaru mengenai
tutupan lahan sehingga dapat bermanfaat dalam kegiatan perencanaan dan
pengelolaan hutan di Kabupaten Ciamis serta memberikan informasi bagi
pengguna citra penginderaan jauh dalam penyediaan data dan informasi spasial.
METODE
Lokasi dan Waktu
Penelitian ini dilaksanakan pada bulan Juli sampai Desember 2013. Tahap
pra-pengolahan citra dilaksanakan pada bulan Juli 2013 yang bertempat di
Laboratorium Remote Sensing dan GIS, Departemen Manajemen Hutan, Fakultas
Kehutanan, Institut Pertanian Bogor. Pengambilan data lapang dilaksanakan pada
bulan Agustus 2013 yang meliputi Kabupaten Ciamis. Pengolahan data, analisis
data dan penyusunan laporan dilaksanakan pada bulan September - Desember
2013 yang bertempat di Laboratorium Remote Sensing dan GIS, Departemen
Manajemen Hutan, Fakultas Kehutanan, Institut Pertanian Bogor.
Alat dan Data
Alat yang digunakan pada penelitian ini yaitu Global Positioning System
(GPS), alat tulis, tally sheet, kamera digital, satu unit laptop dengan perangkat
lunak Erdas Imagine 9.1, ArcView 3.2, ArcGIS 9.3, ENVI 4.5, Microsoft Excel
2010, dan Microsoft Word 2010. Data yang digunakan pada penelitian ini adalah
citra Landsat 8 path 121 row 65 perekaman tahun 2013, peta batas petak KPH
Ciamis dan peta rupa bumi Indonesia daerah Jawa Barat.
Prosedur Analisis Data
Pra Pengolahan Citra
Pra pengolahan citra merupakan tahap awal dari pengolahan citra satelit
berupa perbaikan terhadap data citra yang masih memiliki beberapa kesalahan dan
pembuatan peta lokasi penelitian. Secara umum langkah pra pengolahan citra
meliputi pengubahan data citra, membuat citra komposit, koreksi geometri citra
dan pemotongan citra
1. Pengubahan Data
Citra yang digunakan pada penelitian ini yaitu citra Landsat 8 tahun
perekaman 2013 dengan format *.TIF. Proses pengubahan data citra ini untuk
mengubah format data mentah citra menjadi format yang dapat diolah oleh
perangkat lunak pengolah citra (Format *.img.) proses ini dilakukan dengan
menggunakan perangkat lunak Erdas Imagine 9.1.
3
2. Pembuatan Citra Komposit
Citra Landsat 8 terdiri dari 9 saluran Operational Land Imager (OLI) dan 2
saluran Thermal Infrared Sensor (TIRS) , penggabungan band dimaksudkan untuk
memperoleh suatu data citra multi spektral yang terdiri dari band cahaya tampak
(visible), NIR, SWIR dan Cirrus pada citra Landsat 8. Tabel 1 menunjukkan
karakteristik band yang terdapat pada citra Landsat 8. Jaya (2010) menjelaskan
bahwa dengan hanya satu band (saluran) yang umumnya ditampilkan dengan
“grayscale/hitam putih“, identifikasi obyek pada citra umumnya lebih sulit
dibandingkan dengan interpretasi pada citra berwarna.
Tabel 1 Karakteristik band citra Landsat 8
Saluran
Band 1 - Coastal Aerosol
Band 2 - Blue
Band 3 - Green
Band 4 - Red
Band 5 - Near Infrared (NIR)
Band 6 - SWIR 1
Band 7 - SWIR 2
Band 8 - Panchromatic
Band 9 - Cirrus
Band 10 - Thermal Infrared (TIRS) 1
Band 11 - Thermal Infrared (TIRS) 2
Panjang gelombang
(µm)
0.43 - 0.45
0.45 - 0.51
0.53 - 0.59
0.64 - 0.67
0.85 - 0.88
1.57 - 1.65
2.11 - 2.29
0.50 - 0.68
1.36 - 1.38
10.6 - 11.19
11.5 - 12.51
Resolusi
spasial (m)
30
30
30
30
30
30
30
15
30
100
100
Sumber : USGS (2013)
3. Koreksi Geometri Citra (rektifikasi)
Jaya (2010) menjelaskan bahwa koreksi geometri dibutuhkan untuk
melakukan rektifikasi (pembetulan) agar koordinat pada citra sesuai dengan
koordinat geografi. Hal ini perlu dilakukan pada citra untuk mendapatkan nilai
pixel yang sebenarnya pada posisi yang tepat. Citra Landsat 8 sudah
terorhorektifikasi Level 1T- precision artinya sudah dilakukan rektifikasi dengan
data Digital Elevation Model (DEM) dari Global Land Surveys 2000 sehingga
hanya dilakukan reproject citra untuk mengubah proyeksi citra menjadi Universal
Tranverse Mercator (UTM) zona 49 S dan datum yang digunakan adalah WGS 84.
4. Pemotongan Citra (cropping)
Pemotongan citra ini bertujuan untuk memperoleh citra dengan bentuk
sesuai lokasi yang akan diamati yaitu kabupaten Ciamis bagian selatan seluas 20
km × 25 km meliputi RPH Banjar Selatan, Pangandaran dan Kalipucang sehingga
dalam penafsirannya dapat fokus hanya pada lokasi penelitian.
Identifikasi Awal Tutupan Lahan
Identifikasi awal tutupan lahan ini dimaksudkan untuk memberikan
gambaran awal dalam mengidentifikasi pola sebaran, penentuan jumlah penutupan
4
lahan dan macam penutupan lahan. Dalam melakukan interpretasi kelas tutupan
lahan secara visual ini digunakan elemen-elemen interpretasi yang terdiri dari
warna, bentuk, ukuran, tekstur, pola, lokasi dan asosiasi.
Pada penyajian dengan multiband, biasanya dilakukan evaluasi dengan OIF
(optimum index factor). OIF merupakan ukuran banyaknya informasi yang dimuat
pada suatu citra komposit (Jaya 2010). Kombinasi band dengan nilai OIF terbesar
berarti memiliki variasi informasi yang lebih banyak. Nilai OIF dapat dihitung
dengan rumus :
Si + S j + S k
OIFijk =
rij + r jk + rik
dimana Si, Sj dan Sk adalah simpangan baku dari band ke-i, j dan k, sedangkan rij,
rjk dan rik adalah koefisien korelasi antar bandnya (Jaya 2010).
Pembuatan Titik Pengamatan dan pengambilan data lapangan
Lokasi titik awal pengamatan di tentukan dengan metode systematic
sampling with random start. Pembuatan titik pengamatan ini dilakukan dengan
menggunakan ekstensi IHMB-Jaya pada Arc View 3.2. Titik yang telah diperoleh
kemudian dipilih secara purposive untuk dilakukan pengamatan lapang. Pemilihan
titik pengamatan ini mempertimbangkan jumlah titik pengamatan agar masingmasing tutupan lahan yang ada memiliki perwakilan titik pengamatan dan
memungkinkan untuk dijangkau. Pengambilan data di lapangan bertujuan untuk
mencocokan tutupan lahan yang telah diinterpretasi pada citra dengan kondisi
tutupan lahan yang sebenarnya di lapang. Data yang diambil berupa kondisi
tutupan lahan, kondisi topografi, tinggi rata-rata vegetasi dan foto lapang. Sebaran
lokasi titik pengamatan lapang dapat dilihat pada Gambar 1.
Gambar 1 Peta sebaran titik pengamatan lapang di Kabupaten Ciamis
5
Analisis Hasil Pengamatan Lapangan
1. Identifikasi objek di lapangan
Identifikasi seluruh objek tutupan lahan yang ditemukan pada pengamatan
lapang dari seluruh titik pengamatan yang berjumlah 135 titik. Titik pengamatan
di lapang kemudian dibagi menjadi 2 set data yaitu pembentukan klasifikasi
sebanyak 95 titik dan validasi hasil klasifikasi sebanyak 40 titik.
2. Penentuan Area Contoh (training area)
Pengambilan area contoh dilakukan berdasarkan data yang diperoleh dari
kegiatan pengamatan lapang yang kemudian dilakukan penentuan dan pemilihan
lokasi-lokasi area contoh untuk mengambil informasi contoh piksel dari setiap
tutupan lahan yang dijumpai di lapang. Area contoh diperlukan pada setiap kelas
yang akan dibuat dan diambil dari areal yang cukup homogen. Penentuan area
contoh merupakan proses yang penting karena akan menentukan keberhasilan
klasifikasi. Secara teoritis jumlah piksel yang harus diambil per kelas adalah
sebanyak jumlah band yang digunakan plus satu (N+1). Akan tetapi pada
prakteknya, jumlah piksel yang harus diambil dari setiap kelas biasanya 10 sampai
100 kali jumlah band yang digunakan (10N~100N) (Jaya 2010).
3. Analisis Separabilitas
Analisis separabilitas digunakan untuk mengevaluasi keterpisahan antara
objek-objek tutupan lahan yang ditemui di lapang dilihat dari nilai digital yang
telah ditentukan pada pembuatan area contoh. Metode yang digunakan pada
penelitian ini yaitu metode Transformed Divergence, metode ini digunakan untuk
mengukur tingkat keterpisahan antar kelas. Nilai separabilitas dengan
Transformed Divergence akan berkisar antara 0 sampai dengan 2000. Nila nol
sama dengan tidak bisa dipisahkan, sedangkan nilai maksimum menunjukan
keterpisahan yang sangat baik (excellent). Menurut Jaya (2009) dalam Maharani
(2011) hasil analsis separabilitas dapat dikelompokkan ke dalam lima kelas yaitu :
a. Tidak terpisah
:
KELAS TUTUPAN LAHAN DI KABUPATEN CIAMIS
SOFIAN HADI PRASETYO
DEPARTEMEN MANAJEMEN HUTAN
FAKULTAS KEHUTANAN
INSTITUT PERTANIAN BOGOR
BOGOR
2014
PERNYATAAN
Dengan ini saya menyatakan bahwa skripsi berjudul Aplikasi Citra Landsat
8 untuk Identifikasi Kelas Tutupan Lahan di Kabupaten Ciamis adalah benar
karya saya dengan arahan dari 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, Januari 2014
Sofian Hadi Prasetyo
NIM E14090068
ABSTRAK
SOFIAN HADI PRASETYO. Aplikasi Citra Landsat 8 untuk Identifikasi Kelas
Tutupan Lahan di Kabupaten Ciamis. Dibimbing oleh MUHAMMAD BUCE
SALEH.
Landsat 8 merupakan satelit yang dikembangkan oleh National Aeronautics
and Space Administration (NASA) untuk kegiatan pemantauan sumberdaya alam.
Landsat 8 ini merupakan kelanjutan dari misi Landsat sebelumnya (Landsat 7)
yang mengalami kerusakan sejak tahun 2003 dengan penambahan jumlah saluran
dan pergeseran panjang gelombang pada masing-masing salurannya. Penelitian ini
bertujuan untuk menentukan jumlah dan jenis kelas tutupan lahan yang dapat
diidentifikasi dengan menggunakan citra landsat 8 berdasarkan analisis
separabilitas dan menentukan metode klasifikasi terbaik yang dapat digunakan
dalam memetakan kelas tutupan lahan di Kabupaten Ciamis.
Metode yang digunakan pada penelitian ini meliputi identifikasi objek
tutupan lahan yang ditemukan di lapang, pembuatan area contoh, analisis
separabilitas untuk memperoleh jumlah kelas yang dapat diidentifikasi
berdasarkan nilai digital, klasifikasi terbimbing untuk mengkelaskan tutupan lahan
hasil analisis separabilitas kemudian pengujian akurasi, dan perbandingan dengan
interpretasi visual citra.
Berdasarkan analisis separabilitas, jumlah kelas yang dapat diidentifikasi di
Kabupaten Ciamis yaitu sebanyak 12 kelas yang meliputi awan, bayangan awan,
hutan mangrove, hutan karet, kebun kelapa, sawah, semak, tanah kosong, badan
air, pertanian lahan kering, pemukiman dan hutan/ kebun campuran. Metode
terbaik untuk mengkelaskan tutupan lahan di Kabupaten Ciamis yaitu metode
Support Vector Machine dengan fungsi linear karena memiliki nilai kappa
accuracy tertinggi yaitu 76,56% dan memiliki kesesuaian yang tinggi dengan
interpretasi visual citra.
Kata Kunci : tutupan lahan, separabilitas, klasifikasi terbimbing, Landsat 8
ABSTRACT
SOFIAN HADI PRASETYO. The Aplication of Landsat 8 imagery for Land
Cover Class Identification in Ciamis district. Under supervision : MUHAMMAD
BUCE SALEH.
Landsat 8 satellite was developed by National Aeronautics and Space
Administration (NASA) for natural resource monitoring activities. Landsat 8 is a
continuation of the previous Landsat missions (Landsat 7) which has damaged
since 2003 with the addition in number of channels and wavelength shift for each
channel. The aims of this research are to determine the amount and type of land
cover classes that can be identified using Landsat 8 imagery based on separability
analysis and also to determine the best classification method in land cover
mapping classes in Ciamis district.
The using method in this research comprised of identification of land cover
object that found in the field, training area, separability analysis to obtain the
number of class that can be identified based on the digital number, supervised
classification to classify land cover separability analysis result then accuracy test
and compare its result with the visual image interpretation.
Based on separability analysis, the number of classes that can be identified
in Ciamis district consist 12 classes which are cloud, shadows of clouds,
mangrove forest, rubber forest, coconut grove, rice field, shrub, open land, water
bodie, dry land farming, residential and forest/ mixed farm. The best method to
classify land cover in Ciamis district is Support Vector Machine with linear
function because it has the highest value of kappa accuracy of 76,56% and has a
high conformity by the visual image interpretation.
Keywords : Land cover, separability, supervised classification, Landsat 8
APLIKASI CITRA LANDSAT 8 UNTUK IDENTIFIKASI
KELAS TUTUPAN LAHAN DI KABUPATEN CIAMIS
SOFIAN HADI PRASETYO
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 : Aplikasi Citra Landsat 8 untuk Identifikasi Kelas Tutupan Lahan di
Kabupaten Ciamis
Nama
: Sofian Hadi Prasetyo
NIM
: E14090068
Disetujui oleh
Dr Ir Muhammad Buce Saleh, MS
Pembimbing
Diketahui oleh
Dr Ir Ahmad Budiaman, MSc F Trop
Ketua Departemen
Tanggal Lulus:
Judul Skripsi: Aplikasi Citra Landsat 8 untuk Identiftkasi Kelas Tutupan Lahan di
Kabupaten Ciamis
Nama
: Sofian Hadi Prasetyo
: E14090068
NIM
Disetujui oleh
1
Dr Ir Muhammad Buce Saleh. MS
Pembimbing
Tanggal Lulus:
PRAKATA
Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas
segala karunia-Nya sehingga karya ilmiah dengan judul Aplikasi Citra Landsat 8
dalam Identifikasi Kelas Tutupan Lahan di Kabupaten Ciamis berhasil
diselesaikan dengan baik. Penelitian ini dilaksanakan sejak bulan Juli 2013 yang
berlokasi di Kabupaten Ciamis, Jawa Barat.
Terima kasih penulis ucapkan kepada Bapak Dr Ir Muhammad Buce Saleh,
MS selaku dosen pembimbing yang telah memberikan bimbingan dan arahan
dalam menyelesaikan proses penyususan skripsi ini. Ucapan terimakasih juga
penulis sampaikan kepada Bapak Dadang Hendaris selaku kepala perum perhutani
unit III Jawa Barat dan Banten yang telah memberikan izin untuk melaksanakan
penelitian pada lokasi perum perhutani. Disamping itu ucapan terimakasih juga
penulis sampaikan kepada orang tua, seluruh keluarga, Wulan, Bapak Uus, Panji,
Dini, Hastuti, keluarga besar Lab. GIS serta rekan-rekan mahasiswa manajemen
hutan angkatan 46 atas doa dan dukungan yang diberikan.
Semoga karya ilmiah ini bermanfaat.
Bogor, Januari 2014
Penulis
DAFTAR ISI
DAFTAR TABEL
DAFTAR GAMBAR
DAFTAR LAMPIRAN
PENDAHULUAN
Latar Belakang
Tujuan Penelitian
Manfaat Penelitian
METODE
Lokasi dan Waktu
Alat dan Data
Prosedur Analisis Data
HASIL DAN PEMBAHASAN
Identifikasi Objek di Lapangan
Area Contoh (training area)
Analisis Separabilitas
Klasifikasi Terbimbing
Evaluasi Akurasi
Analisis Visual Citra
SIMPULAN DAN SARAN
Simpulan
Saran
DAFTAR PUSTAKA
LAMPIRAN
RIWAYAT HIDUP
vi
vi
vi
1
1
1
2
2
2
2
2
6
6
8
9
15
17
18
19
19
20
20
21
25
DAFTAR TABEL
1.
2.
3.
4.
5.
6.
7.
Karakteristik band citra Landsat 8
Contoh matrik kontingensi
Jenis kelas tutupan lahan di Kabupaten Ciamis
Nilai Optimum Index Factor (OIF) citra Landsat 8
Tutupan lahan hasil analisis separabilitas
Tutupan lahan hasil analisis separabilitas (lanjutan)
Nilai separabilitas dari 12 kelas tutupan lahan di Kabupaten Ciamis
dengan menggunakan 8 band OLI pada citra Landsat 8
8. Nilai separabilitas dari 12 kelas tutupan lahan di Kabupaten Ciamis
dengan menggunakan 6 band OLI pada citra Landsat 8
9. Nilai separabilitas dari 12 kelas tutupan lahan di Kabupaten Ciamis
dengan menggunakan 6 band OLI dan 2 band TIRS pada citra Landsat
8
3
6
7
8
10
11
13
14
14
DAFTAR GAMBAR
1. Peta sebaran titik pengamatan lapang di Kabupaten Ciamis
2. Citra Landsat 8 lokasi penelitian, (a) kombinasi 8-7-3; (b) kombinasi
7-5-3
3. Diagram proses re-group pada analisis separabilitas
4. Peta klasifikasi tutupan lahan di Kabupaten Ciamis dengan metode
Maximum Likelihood
5. Peta klasifikasi tutupan lahan di Kabupaten Ciamis dengan metode
SVM linear
6. Peta klasifikasi tutupan lahan di Kabupaten Ciamis dengan metode
SVM polynomial
7. Peta klasifikasi tutupan lahan di Kabupaten Ciamis dengan metode
SVM radial basis function
8. Peta klasifikasi tutupan lahan di Kabupaten Ciamis dengan metode
SVM sigmoid
9. Overall accuracy hasil klasifikasi
10. Kappa accuracy hasil klasifikasi
11. Peta klasifikasi tutupan lahan dengan metode interpretasi visual
4
8
12
15
16
16
16
16
17
17
19
DAFTAR LAMPIRAN
1.
2.
3.
4.
Nilai separabilitas dari 34 kelas tutupan lahan di Kabupaten Ciamis
Nilai separabilitas dari 17 kelas tutupan lahan di Kabupaten Ciamis
Nilai separabilitas dari 14 kelas tutupan lahan di Kabupaten Ciamis
Matrik kontingensi pada metode klasifikasi SVM linear dengan 8 band
OLI
21
22
23
24
PENDAHULUAN
Latar Belakang
Pengelolaan hutan yang baik dan benar sangat dibutuhkan untuk menjamin
kelestarian sumberdaya hutan baik dari segi ekonomi, ekologi dan sosial. Untuk
menjaga eksistensi fisik dan kualitas hutan yang berkelanjutan diperlukan suatu
pengelolaan yang berdasarkan asas kelestarian. Pengelolaan hutan yang
terintegrasi perlu didukung oleh data atau informasi dasar tentang kondisi fisik
hutan. Jenis penutupan lahan dan penggunaan lahan merupakan salah satu data
yang dibutuhkan untuk dapat menerapkan sistem pengelolaan sumberdaya alam
yang tepat sesuai dengan kondisi lokasi yang akan dikelola.
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 obyek, daerah atau fenomena
yang dikaji (Lillesand dan Kiefer 1990). Teknologi penginderaan jauh sangat
dibutuhkan untuk dapat mengidentifikasi jenis penutupan lahan secara cepat,
akurat, efisien dan meliputi cakupan yang cukup luas dengan biaya yang relatif
murah.
Indonesia telah memanfaatkan citra penginderaan jauh dalam
mengidentifikasi tutupan lahan, umumnya dalam pemantauan sumberdaya alam di
Indonesia digunakan citra optik Landsat. Landsat 8 secara resmi mulai beroperasi
pada tanggal 30 Mei 2013 dan data produk satelit tersebut tersedia untuk publik
yang dapat diakses melalui website USGS (NASA 2013). Landsat 8 diluncurkan
untuk melanjutkan misi dari Landsat 7 yang mengalami kerusakan sejak Mei
2003. Karakteristik Landsat 8 mirip dengan Landsat 7 baik resolusi, metode
koreksi, ketinggian terbang maupun karakteristik sensor yang dibawa. Satelit
Landsat 8 memiliki sensor Onboard Operational Land Imager (OLI) dan Thermal
Infrared Sensor (TIRS) dengan jumlah kanal sebanyak 11 buah. Bertambahnya
jumlah band dan pergeseran panjang gelombang dari band pada citra Landsat 8
diharapkan dapat meningkatkan kemampuan citra dalam mengidentifikasi tutupan
lahan yang terdapat di Kabupaten Ciamis.
Tujuan Penelitian
Penelitian ini bertujuan untuk :
1. Menentukan jumlah dan jenis kelas tutupan lahan yang dapat dibedakan
berdasarkan analisis separabilitas dengan menggunakan citra Landsat 8 di
Kabupaten Ciamis.
2. Menentukan metode klasifikasi digital yang memiliki tingkat akurasi lebih
tinggi antara metode Maximum Likelihood dengan metode Support Vector
Machine (SVM) dalam memetakan tutupan lahan Kabupaten Ciamis.
2
Manfaat Penelitian
Penelitian ini diharapkan dapat memberikan informasi terbaru mengenai
tutupan lahan sehingga dapat bermanfaat dalam kegiatan perencanaan dan
pengelolaan hutan di Kabupaten Ciamis serta memberikan informasi bagi
pengguna citra penginderaan jauh dalam penyediaan data dan informasi spasial.
METODE
Lokasi dan Waktu
Penelitian ini dilaksanakan pada bulan Juli sampai Desember 2013. Tahap
pra-pengolahan citra dilaksanakan pada bulan Juli 2013 yang bertempat di
Laboratorium Remote Sensing dan GIS, Departemen Manajemen Hutan, Fakultas
Kehutanan, Institut Pertanian Bogor. Pengambilan data lapang dilaksanakan pada
bulan Agustus 2013 yang meliputi Kabupaten Ciamis. Pengolahan data, analisis
data dan penyusunan laporan dilaksanakan pada bulan September - Desember
2013 yang bertempat di Laboratorium Remote Sensing dan GIS, Departemen
Manajemen Hutan, Fakultas Kehutanan, Institut Pertanian Bogor.
Alat dan Data
Alat yang digunakan pada penelitian ini yaitu Global Positioning System
(GPS), alat tulis, tally sheet, kamera digital, satu unit laptop dengan perangkat
lunak Erdas Imagine 9.1, ArcView 3.2, ArcGIS 9.3, ENVI 4.5, Microsoft Excel
2010, dan Microsoft Word 2010. Data yang digunakan pada penelitian ini adalah
citra Landsat 8 path 121 row 65 perekaman tahun 2013, peta batas petak KPH
Ciamis dan peta rupa bumi Indonesia daerah Jawa Barat.
Prosedur Analisis Data
Pra Pengolahan Citra
Pra pengolahan citra merupakan tahap awal dari pengolahan citra satelit
berupa perbaikan terhadap data citra yang masih memiliki beberapa kesalahan dan
pembuatan peta lokasi penelitian. Secara umum langkah pra pengolahan citra
meliputi pengubahan data citra, membuat citra komposit, koreksi geometri citra
dan pemotongan citra
1. Pengubahan Data
Citra yang digunakan pada penelitian ini yaitu citra Landsat 8 tahun
perekaman 2013 dengan format *.TIF. Proses pengubahan data citra ini untuk
mengubah format data mentah citra menjadi format yang dapat diolah oleh
perangkat lunak pengolah citra (Format *.img.) proses ini dilakukan dengan
menggunakan perangkat lunak Erdas Imagine 9.1.
3
2. Pembuatan Citra Komposit
Citra Landsat 8 terdiri dari 9 saluran Operational Land Imager (OLI) dan 2
saluran Thermal Infrared Sensor (TIRS) , penggabungan band dimaksudkan untuk
memperoleh suatu data citra multi spektral yang terdiri dari band cahaya tampak
(visible), NIR, SWIR dan Cirrus pada citra Landsat 8. Tabel 1 menunjukkan
karakteristik band yang terdapat pada citra Landsat 8. Jaya (2010) menjelaskan
bahwa dengan hanya satu band (saluran) yang umumnya ditampilkan dengan
“grayscale/hitam putih“, identifikasi obyek pada citra umumnya lebih sulit
dibandingkan dengan interpretasi pada citra berwarna.
Tabel 1 Karakteristik band citra Landsat 8
Saluran
Band 1 - Coastal Aerosol
Band 2 - Blue
Band 3 - Green
Band 4 - Red
Band 5 - Near Infrared (NIR)
Band 6 - SWIR 1
Band 7 - SWIR 2
Band 8 - Panchromatic
Band 9 - Cirrus
Band 10 - Thermal Infrared (TIRS) 1
Band 11 - Thermal Infrared (TIRS) 2
Panjang gelombang
(µm)
0.43 - 0.45
0.45 - 0.51
0.53 - 0.59
0.64 - 0.67
0.85 - 0.88
1.57 - 1.65
2.11 - 2.29
0.50 - 0.68
1.36 - 1.38
10.6 - 11.19
11.5 - 12.51
Resolusi
spasial (m)
30
30
30
30
30
30
30
15
30
100
100
Sumber : USGS (2013)
3. Koreksi Geometri Citra (rektifikasi)
Jaya (2010) menjelaskan bahwa koreksi geometri dibutuhkan untuk
melakukan rektifikasi (pembetulan) agar koordinat pada citra sesuai dengan
koordinat geografi. Hal ini perlu dilakukan pada citra untuk mendapatkan nilai
pixel yang sebenarnya pada posisi yang tepat. Citra Landsat 8 sudah
terorhorektifikasi Level 1T- precision artinya sudah dilakukan rektifikasi dengan
data Digital Elevation Model (DEM) dari Global Land Surveys 2000 sehingga
hanya dilakukan reproject citra untuk mengubah proyeksi citra menjadi Universal
Tranverse Mercator (UTM) zona 49 S dan datum yang digunakan adalah WGS 84.
4. Pemotongan Citra (cropping)
Pemotongan citra ini bertujuan untuk memperoleh citra dengan bentuk
sesuai lokasi yang akan diamati yaitu kabupaten Ciamis bagian selatan seluas 20
km × 25 km meliputi RPH Banjar Selatan, Pangandaran dan Kalipucang sehingga
dalam penafsirannya dapat fokus hanya pada lokasi penelitian.
Identifikasi Awal Tutupan Lahan
Identifikasi awal tutupan lahan ini dimaksudkan untuk memberikan
gambaran awal dalam mengidentifikasi pola sebaran, penentuan jumlah penutupan
4
lahan dan macam penutupan lahan. Dalam melakukan interpretasi kelas tutupan
lahan secara visual ini digunakan elemen-elemen interpretasi yang terdiri dari
warna, bentuk, ukuran, tekstur, pola, lokasi dan asosiasi.
Pada penyajian dengan multiband, biasanya dilakukan evaluasi dengan OIF
(optimum index factor). OIF merupakan ukuran banyaknya informasi yang dimuat
pada suatu citra komposit (Jaya 2010). Kombinasi band dengan nilai OIF terbesar
berarti memiliki variasi informasi yang lebih banyak. Nilai OIF dapat dihitung
dengan rumus :
Si + S j + S k
OIFijk =
rij + r jk + rik
dimana Si, Sj dan Sk adalah simpangan baku dari band ke-i, j dan k, sedangkan rij,
rjk dan rik adalah koefisien korelasi antar bandnya (Jaya 2010).
Pembuatan Titik Pengamatan dan pengambilan data lapangan
Lokasi titik awal pengamatan di tentukan dengan metode systematic
sampling with random start. Pembuatan titik pengamatan ini dilakukan dengan
menggunakan ekstensi IHMB-Jaya pada Arc View 3.2. Titik yang telah diperoleh
kemudian dipilih secara purposive untuk dilakukan pengamatan lapang. Pemilihan
titik pengamatan ini mempertimbangkan jumlah titik pengamatan agar masingmasing tutupan lahan yang ada memiliki perwakilan titik pengamatan dan
memungkinkan untuk dijangkau. Pengambilan data di lapangan bertujuan untuk
mencocokan tutupan lahan yang telah diinterpretasi pada citra dengan kondisi
tutupan lahan yang sebenarnya di lapang. Data yang diambil berupa kondisi
tutupan lahan, kondisi topografi, tinggi rata-rata vegetasi dan foto lapang. Sebaran
lokasi titik pengamatan lapang dapat dilihat pada Gambar 1.
Gambar 1 Peta sebaran titik pengamatan lapang di Kabupaten Ciamis
5
Analisis Hasil Pengamatan Lapangan
1. Identifikasi objek di lapangan
Identifikasi seluruh objek tutupan lahan yang ditemukan pada pengamatan
lapang dari seluruh titik pengamatan yang berjumlah 135 titik. Titik pengamatan
di lapang kemudian dibagi menjadi 2 set data yaitu pembentukan klasifikasi
sebanyak 95 titik dan validasi hasil klasifikasi sebanyak 40 titik.
2. Penentuan Area Contoh (training area)
Pengambilan area contoh dilakukan berdasarkan data yang diperoleh dari
kegiatan pengamatan lapang yang kemudian dilakukan penentuan dan pemilihan
lokasi-lokasi area contoh untuk mengambil informasi contoh piksel dari setiap
tutupan lahan yang dijumpai di lapang. Area contoh diperlukan pada setiap kelas
yang akan dibuat dan diambil dari areal yang cukup homogen. Penentuan area
contoh merupakan proses yang penting karena akan menentukan keberhasilan
klasifikasi. Secara teoritis jumlah piksel yang harus diambil per kelas adalah
sebanyak jumlah band yang digunakan plus satu (N+1). Akan tetapi pada
prakteknya, jumlah piksel yang harus diambil dari setiap kelas biasanya 10 sampai
100 kali jumlah band yang digunakan (10N~100N) (Jaya 2010).
3. Analisis Separabilitas
Analisis separabilitas digunakan untuk mengevaluasi keterpisahan antara
objek-objek tutupan lahan yang ditemui di lapang dilihat dari nilai digital yang
telah ditentukan pada pembuatan area contoh. Metode yang digunakan pada
penelitian ini yaitu metode Transformed Divergence, metode ini digunakan untuk
mengukur tingkat keterpisahan antar kelas. Nilai separabilitas dengan
Transformed Divergence akan berkisar antara 0 sampai dengan 2000. Nila nol
sama dengan tidak bisa dipisahkan, sedangkan nilai maksimum menunjukan
keterpisahan yang sangat baik (excellent). Menurut Jaya (2009) dalam Maharani
(2011) hasil analsis separabilitas dapat dikelompokkan ke dalam lima kelas yaitu :
a. Tidak terpisah
: