3.3. Metode Penelitian
Secara garis besar penelitian ini terdiri dari 4 tahap yaitu tahap persiapan data, tahap analisis citra digital, tahap analisis perubahan penutupanpenggunaan
lahan dan tahap pengukuran karbon tersimpan.
3.3.1. Tahap Persiapan Dan Pengumpulan Data
Pada tahap ini dilakukan pengumpulan data berupa peta tanah semi detail skala 1 : 50.000 tahun 1980 dan 1992, peta RBI skala 1 : 25.000, citra satelit citra
Landsat. Untuk data primer seperti citra landsat dibuat mosaik, kemudian dipotong sesuai daerah penelitian.
3.3.2. Tahap Analisis Citra Digital
Kegiatan utama yang dilakukan pada analisis citra digital adalah koreksi geometri, klasifikasi penggunaanpenutupan lahan dan pengecekan lapang.
3.3.2.1. Koreksi Geometrik
Kegiatan ini juga sering dinamakan rektifikasi. Kegiatan yang dilakukan adalah memperbaiki kemencengan, rotasi dan perspektif citra sehingga orientasi,
projeksi dan anotasinya sesuai dengan yang ada pada peta. Koreksi geometri terdiri dari koreksi sistematik karena karakteristik alat dan non sistematik
karena perubahan posisi penginderaan. Proses ini memerlukan ikatan yang disebut titik kontrol medan ground control pointGCP. GCP tersebut dapat
diperoleh dari peta, citra yang telah terkoreksi atau tabel koordinat penjuru. GCP kemudian disusun menjadi matriks transformasi untuk rektifikasi citra. Titik-titik
yang dijadikan kontrol pada citra harus jelas dan mudah dikenali. Titik-titik kontrol dalam studi berada di sekitar aliran tubuh airsungaidanau, jalan raya,
sudut-sudut bangunan, dan tanah kosong yang terlihat jelas pada citra dan peta referensi.
Akurasi koreksi geometri ditunjukan dengan nilai RMS-error root mean square-error
yang menunjukkan tingkat ketepatan pengambilan titik terhadap peta rupabumi yang digunakan. Semakin kecil nilai RMS – error ketepatan titik
GCP semakin tinggi. Untuk menguji keakuratan citra hasil koreksi geometrik,
maka dihitung besar penyimpangan terhadap peta referensi. Citra hasil koreksi geometrik dapat diterima apabila penyimpangan posisi tidak melebihi satu pixel.
Dalam penelitian ini, untuk citra tahun 1989 tidak dilakukan koreksi geometri karena citra nya sudah terkoreksi. Hal ini berbeda dengan citra tahun
2007, yang berdasarkan koreksi geometri diperoleh nilai RMS-error nya sebesar 0,0075. Perhitungan nilai RMS-error dilakukan dengan menggunakan persamaan
berikut :
RMS-error = √X-x + Y-y
dimana : X dan Y = Koordinat citra keluaran output
x dan y = Koordinat citra asli input
3.3.2.2. Klasifikasi
Pada penelitian ini klasifikasi yang digunakan untuk mengelompokkan penggunaan lahan diakukan dengan menggunakan klasifikasi terbimbing.
Klasifikasi terbimbing merupakan proses klasifikasi dengan pemilihan kategori informasi yang diinginkan dan memilih training area untuk setiap kategori
penutupan lahan yang mewakili sebagai kunci interpretasi. Pada klasifikasi ini digunakan data penginderaan jauh multispektral yang berbasis numerik,
sedangkan pengenalan polanya merupakan proses otomatis dengan bantuan komputer. Konsep penyajian datanya adalah dalam bentuk numerisgrafik atau
diagram. Sebelum melakukan klasifikasi, informasi tematik yang ingin diperoleh
harus dibagi ke dalam kelas-kelas. Penentuan kelas klasifikasi merupakan faktor penting bagi keberhasilan proses klasifikasi. Untuk pengklasifikasian lahan,
penutupanpenggunaan lahan dikelaskan menjadi sebelas kelas yaitu hutan, pemukiman, perkebunan teh, sawah, tegalan, semak, kebun campuran, lahan
terbuka, tubuh air, awan dan bayangan awan. Klasifikasi terbimbing didasarkan pada pengenalan pola spektral spectral
pattern recognition yang terdiri atas tiga tahap, sebagai berikut :
1. Tahap Training Sample
Analisis ini dilakukan dengan menyusun “kunci interpretasi” dan mengembangkan secara numerik spektral untuk setiap kenampakan dengan
memeriksa batas daerah training area. Training area yang diambil untuk pengkelasan sebanyak 20 training area dengan kombinasi band 5 4 2 untuk 11
kelas. 2 Tahapan Klasifikasi
Setiap pixel pada serangkaian data citra dibandingkan setiap kategori pada kunci interpretasi numerik, yaitu menentukan nilai pixel yang tak dikenal dan
paling mirip dengan kategori yang sama. Perbandingan tiap pixel citra dengan kategori pada interpretasi citra dikerjakan secara numerik dengan
menggunakan berbagai metode klasifikasi yang terdiri dari jarak minimum rata-rata kelas, parallelepiped, kemiripan maksimum, dan pada penelitian ini
menggunakan metode klasifikasi kemungkinan maksimum maximum Likehood Clasification.
Keuntungan teknik ini adalah hasil klasifikasinya lebih teliti dibandingkan teknik metode yang lainnya.
Nilai kappa digunakan untuk menghitung akurasi hasil klasifikasi dengan menghitung kebenaran jumlah pixel yang termasuk nilai omisi jumlah pixel
yang diklasifikasikan menjadi kelas lain dan nilai komisi jumlah pixel dari kelas lain yang termasuk kelas ini . Nilai kappa total pada citra tahun 1989
adalah 0,889 sedangkan pada citra tahun 2007 sebesar 0,874. Nilai kappa masing-masing penutupanpenggunaan lahan disajikan pada Lampiran 7.
3. Tahap Keluaran Hasil matrik dideliniasi sehingga terbentuk peta penggunaan lahan dan
dibuat matrik luasan, kemudian dibuat tabel matrik luas berbagai tipe penutupanpenggunaan lahan.
3.3.2.3. Pengecekan Lapangan
Kategori