Post on 01-Nov-2021
Judul Penelitian :
Analisis Citra Landsat 8 Untuk Identifikasi Tanaman Cengkeh
di Kabupaten Buleleng Bali
Peneliti :
I Made Yuliara, S.Si., M.T.
JURUSAN FISIKAFAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS UDAYANA2014
ii
KATA PENGANTAR
Puji Syukur kehadirat Tuhan Yang Maha Esa, karena atas berkat rahmat-Nya
penulis dapat menyelesaikan Penelitian Mandiri dengan judul “ Analisis Citra
Landsat 8 Untuk Identifikasi Tanaman Cengkeh di Kabupaten Buleleng Bali ”
Dengan hati yang tulus, penulis mengucapkan terima kasih yang sebesar-
besarnya kepada rekan-rekan dosen yang telah memberikan semangat dan
sumbangan pengetahuan berkaitan dengan penelitian ini.
Harapan penulis semoga penelitian ini dapat menambah cakrawala ilmu
pengetahuan dan akhir kata, penulis menyadari bahwa penelitian ini tak luput dari
kesalahan dan kekurangan, maka dari itu segala koreksi dan saran dari semua pihak
sangat diharapkan demi perbaikan dan penyempurnaan.
Denpasar, 27 Desember 2014
I Made Yuliara
iii
DAFTAR ISI
Hal
Abstrak iKata Pengantar iiDaftar Isi iiiDaftar Tabel ivDaftar Gambar vBAB I PENDAHULUAN
1.1. Latar Belakang ……………………………………………………. 11.2. Rumusan Masalah…………………………………………………. 21.3. Tujuan Penelitian………………………………………………...... 21.4. Manfaat Penelitian……………………………………………......... 3
BAB II TINJAUAN PUSTAKA2.1. Tanaman Cengkeh…………….…………………………………… 42.2. Data Satelit Penginderaan Jauh……………………………………. 42.3. Karakteristik Data Satelit Landsat 8………………………………. 52.4. Indeks Vegetasi Dan Distribusi Vegetasi Cengkeh 6
BAB III KERANGKA BERFIKIR, KONSEP DAN HIPOTESIS3.1. Kerangka Berfikir…………………………………………………... 93.2. Kerangka Konsep…………………………………………………… 113.3. Hipotesis……………………………………………………………. 13
Bab IV METODE PENELITIAN4.1. Lokasi Dan Waktu Penelitian………………………………………. 144.2. Ruang Lingkup Penelitian…………………………………………. 154.3. Bahan Dan Instrumen Penelitian…………………………………… 154.4. Prosedur Penelitian………………………………………………… 154.5. Analisis Data………………………………………………………. 16
BAB V HASIL DAN PEMBAHASAN5.1. Pengolahan Citra ………..…………………………………………. 195.2. Perhitungan Dan Citra Indeks Vegetasi Cengkeh..………………… 235.3. Distribusi Dan Luas Vegetasi Cengkeh…………………………….. 26
BAB VI KESIMPULAN DAN SARAN6.1. Kesimpulan………………………………………………………… 296.2. Saran……………………………………………………………….. 29
Daftar Pustaka………………………………………………………………………... 30Lampiran……………………………………………………………………………...
iv
DAFTAR TABEL
No. Judul Hal
1 Tabel 1. Karakteristik Data Citra Satelit Landsat 8……........................... 6
2 Tabel 2. Statistik klasifikasi vegetasi non vegetasi…………………......... 23
3 Tabel 3. Data koordinat survei sampel vegetasi cengkeh daerah………...
penelitian
24
4 Tabel 4. Koordinat sampel vegetasi cengkeh berdasarkan NDVI danNRVI…………………………………………………………... 25
5 Tabel 5. Klas kerapatan cengkeh berdasarkan NDVI dan NRVI……….. 25
6 Tabel 6. Luas vegetasi cengkeh menurut katagori kerapatan berdasarkan
NDVI dan NRVI………………………………………… 27
v
DAFTAR GAMBAR
No. Judul Hal
1 Gambar 1. Diagram Alir Kerangka Berpikir Penelitian........................ 10
2 Gambar 2. Diagram Alir Kerangka, Konsep Penelitian........................ 12
3 Gambar 3. Lokasi Penelitian Kabupaten Buleleng, Bali……………… 14
4 Gambar 4. Diagram Alir Penelitian...................................................... 18
5 Gambar 5. Citra Mosaic band 5……………………………………… 21
6 Gambar 6. Citra Daerah Studi………………………………………… 21
7 Gambar 7. Citra Komposit RGB 654…………………………………. 22
8 Gambar 8. Klasifikasi Vegetasi Non Vegetasi……………………….. 23
9 Gambar 9a. Citra NDVI……………………………………………… 24
10 Gambar 9b. Citra NRVI…………………………………………….. 25
11 Gambar 10a. Citra Reklas Indeks Vegetasi Cengkeh Dari NDVI…… 26
12 Gambar 10b. Citra Reklas Indeks Vegetasi Cengkeh Dari NRVI…….. 26
13 Gambar 11a. Distribusi Vegetasi Cengkeh Berdasarkan NDVI……… 27
14 Gambar 11b. Distribusi Vegetasi Cengkeh Berdasarkan NRVI…….... 27
1
BAB I. PENDAHULUAN
1.1 Latar Belakang
Tanaman cengkeh (Syzygium aromaticum) merupakan tanaman asli Indonesia yang
berasal dari Maluku Utara (Pulau Makiau). Sampai saat ini, cengkeh banyak
dipergunakan masyarakat Indonesia untuk memenuhi kebutuhan hidupnya. Cengkeh juga
merupakan salah satu komoditas ekspor yang diandalkan pemerintah. Pada awalnya
cengkeh dimanfaatkan sebagai bahan obat-obatan, akan tetapi dalam perkembangannya
cengkeh sering dimanfaatkan sebagai bahan baku industri farmasi, kosmetik, parfum,
rempah-rempah, dan juga sebagai bahan baku industri rokok kretek.
Banyaknya manfaat dan kebutuhan cengkeh bagi kehidupan manusia, maka
dipandang perlu untuk mengetahui keberadaan dan luas vegetasi cengkeh, sehingga
produktivitas dapat diestimasi. Pendugaan produktivitas cengkeh selama ini sebagian
besar dilakukan secara manual berdasarkan data lapangan yang dihimpun dari petani
setiap desa atau kecamatan dan juga memerlukan waktu cukup lama. Perbedaan kriteria
penilaian, pendekatan maupun metode yang dipergunakan akan memperoleh hasil yang
berbeda-beda, sehingga akan menyulitkan pengguna informasi dalam pemanfaatannya.
Kabupaten Buleleng memiliki luas wilayah sekitar 1.365,88 Km2 atau 24,25 % dari
luas Propinsi Bali, dan terbagi dalam 9 kecamatan. Kabupaten Buleleng merupakan
penghasil cengkeh terbesar di Bali dan cukup besar di Indonesia. Menurut data statistik
Pemerintah Daerah Kabupaten Buleleng tahun 2012, luas vegetasi cengkeh yang
produktif adalah sekitar 7.007 ha yang diusahakan oleh 10.816 petani. Produktivitas
cengkeh tersebar di seluruh kecamatan kecuali di kecamatan Gerogak.
Dalam era globalisasi informasi, untuk mendukung program pemerintah, terutama
dalam penyediaan data distribusi/ sebaran dan luas vegetasi cengkeh, dituntut kecepatan
2
dan ketepatan informasi sumber daya pertanian maupun perkebunan yang lebih
kuantitatif. Untuk itu, diperlukan sarana pengumpul data dan informasi sistem distribusi
maupun luas yang lebih akurat, dalam waktu secepat mungkin. Teknologi data satelit
penginderaan jauh merupakan satu-satunya prioritas utama untuk tujuan ini.
Dalam data citra satelit, setiap obyek yang terekam memiliki nilai reflektan panjang
gelombang (spectral reflectance) yang berbeda-beda. Perbedaan spectral reflectance
yang dimiliki oleh obyek vegetasi memungkinkan untuk memetakan suatu spesies
vegetasi (Xie al al, 2008). Dengan melakukan analisis data citra satelit, tingkat kehijauan
vegetasi (indeks vegetasi) dapat dipergunakan sebagai variable untuk
mengidentifikasi distribusi vegetasi cengkeh. Indeks vegetasi mengekspresikan proporsi
nilai spectral reflectance antar band dari data citra satelit.
Terdapat beberapa macam bentuk perumusan algoritma indeks vegetasi diantaranya
adalah NDVI (Normalized Difference Vegetation Index) dan NRVI (Normalized Ratio
Vegetation Index) yang akan dipergunakan untuk menganalisis data Landsat 8.
1.2 Rumusan Masalah
1. Bagaimanakah data satelit Landsat 8 mengidentifikasi distribusi vegetasi
cengkeh di Kabupaten Buleleng, Bali dan bagaimanakah tingkat ketelitiannya ?
2. Berapakah luas vegetasi cengkeh yang teridentifikasi ?
1.3 Tujuan Penelitian
Tujuan penelitian ini adalah :
1. Menganalisis data satelit Landsat 8 dalam mengidentifikasi vegetasi cengkeh dan
menguji tingkat ketelitiannya
2. Menentukan luas vegetasi cengkeh yang teridentifikasi
3
1.4 Manfaat Penelitian
Hasil penelitian ini diharapkan dapat bermanfaat untuk :
Dapat dipergunakan sebagai bahan pengkayaan ilmu dan teknologi serta dapat
memberikan informasi keberadaan dan sebaran serta luas vegetasi cengkeh di daerah
kabupaten Buleleng, Bali. Disamping itu, bagi pemerintah Daerah diharapkan dapat
digunakan sebagai salah satu pedoman bahan kajian akademik untuk pengambilan
kebijakan dalam rangka pengembangan daerah perkebunan atau pembuatan Perda
Perlindungan Lahan Pertanian atau Perkebunan.
4
BAB II. KAJIAN PUSTAKA
2.1 Tanaman Cengkeh
Tanaman cengkeh (Syzygium aromaticum) merupakan tanaman asli Indonesia yang
berasal dari Maluku Utara (Pulau Makiau). Sebutan dari tanaman yang diambil bunganya
ini sangat beragam, seperti misalnya di Jawa dan Sunda disebut dengan cengkeh, di Bali
disebut wunga lawing atau di Lampung disebut cengkih.
Pada awalnya, cengkeh dimanfaatkan sebagai bahan obat-obatan, akan tetapi dalam
perkembangannya pemanfaatan cengkeh menjadi lebih luas, seperti dimanfaatkan
sebagai bahan baku industri farmasi, kosmetik, parfum, rempah-rempah, dan juga sebagai
bahan baku industri rokok kretek.
2.2 Data Satelit Penginderaan Jauh
Penginderaan jauh adalah ilmu dan seni untuk memperoleh informasi tentang obyek,
daerah atau gejala dengan jalan menganalisis data yang diperoleh dengan menggunakan
alat tanpa kontak langsung dengan obyek, daerah atau gejala yang dikaji (Lillesand dan
Kiefer, 1997).
Data citra merupakan rekaman visual yang dihasilkan oleh peralatan secara optik dan
elektronik. Citra terdiri dari array 2 dimensi yang dapat diekspresikan dengan suatu
matriks dan setiap elemen matriks disebut dengan piksel (pixel). Kecerahan setiap piksel
mengekspresikan reflektifitas permukaan rata-rata dari elemen permukaan yang
bersesuaian (Elachi dan Jakob, 2006).
Dalam perspektif satelit penginderaan jauh, data citra berisi informasi tentang
obyek-obyek sebagai target yang ada di permukaan bumi yang dideteksi oleh sensor yang
dibawa wahana (platform) satelit mengitari bumi. Obyek yang terekam dalam citra,
5
mempunyai nilai reflektansi spektral (spectral reflectance) bervariasi yang diekspresikan
oleh nilai piksel dan berkaitan erat dengan karakteristik obyek yang terekam.
2.3 Karakteristik Data Satelit Landsat 8
Data Landsat merupakan data citra satelit yang dihasilkan oleh satelit Landsat, yaitu salah
satu satelit sumber daya alam yang dikembangkan oleh NASA dan Departemen Dalam
Negeri Amerika Serikat. Landsat 8 yang diluncurkan 11 Februari 2013, merupakan
kelanjutan dari misi Landsat 1 yang untuk pertama kali menjadi satelit pengamat
bumi sejak tahun 1972. Landsat 8 hanya memerlukan waktu 99 menit untuk mengorbit
bumi dengan resolusi temporal 16 hari. Seperti dipublikasikan oleh USGS, satelit Landsat
8 terbang dengan ketinggian 705 km dari permukaan bumi dan memiliki area scan seluas
170 km x 183 km.
Satelit Landsat 8 memiliki sensor Onboard Operational Land Imager (OLI) dan
Thermal Infrared Sensor (TIRS) dengan jumlah band sebanyak 11 buah. Sembilan band
(band 1 sampai 9) berada pada sensor OLI dan 2 lainnya (band 10 dan 11) pada sensor
TIRS. Sebagian besar band pada Landsat 8 memiliki spesifikasi mirip dengan Landsat 7.
NASA menargetkan satelit Landsat 8 ini mengemban misi selama 5 tahun (sensor OLI
dirancang 5 tahun dan sensor TIRS 3 tahun).
Pada citra satelit multispectral, masing masing piksel mempunyai beberapa nilai
digital sesuai dengan jumlah band yang dimiliki. Untuk citra Landsat 8, masing-masing
piksel mempunyai 11 nilai digital dari 11 band yang dimiliki.
Data citra satelit Landsat dapat ditampilkan secara single band dalam bentuk hitam
dan putih maupun kombinasi 3 band yang dikenal dengan color composite. Karakteristik
interval spektral dan resolusi spasial setiap band Landsat 8 dapat dilihat pada Table 1.
6
Tabel 1. Karakteristik Data Citra Satelit Landsat 8
Band Interval
Spektral (m)
Resolusi spasial
(m)
Channel
1 0,433 – 0,453 30 Coastal/Aerosol
2 0,450 – 0,515 30 Blue
3 0,525 – 0,600 30 Green
4 0,630 – 0,680 30 Red
5 0,845 – 0,885 30 NIR
6 1,560 – 1,660 30 SWIR-1
7 2,100 – 2,300 30 SWIR-2
8 0,500 – 0,680 15 Pan
9 1,360 – 1,390 30 Cirrus
10 10,30 – 11,30 100 LWIR-1
11 11,50 – 12,50 100 LWIR-2
Sumber : NASA, ”Landsat Data Continuity Mission Brochure”
(Tahun 2013 dengan modifikasi)
2.4 Indeks Vegetasi Dan Distribusi Vegetasi Cengkeh
Banyak penelitian penggunaan data citra satelit penginderaan jauh untuk memantau
kondisi perkembangan atau pertumbuhan dari suatu vegetasi. Model-model penelitian
seperti ini mengkorelasikan tingkat kehijauan vegetasi (indeks vegetasi) dengan
karakteristik spectral reflectance yang dimiliki oleh vegetasi tersebut. Perbedaan spectral
reflectance yang dimiliki oleh vegetasi memungkinkan untuk memetakan suatu jenis
spesies vegetasi (Xie at al, 2008). Vegetasi hijau memiliki spectral reflectance unik yang
dipengaruhi oleh struktur dan komposisi daunnya. Proporsi radiasi dipantulkan dalam
spektrum yang berbeda, tergantung pada keadaan, struktur dan komposisi tanaman. Pada
tanaman sehat dan kanopi padat, radiasi spectral yang dipantulkan lebih banyak pada
spektrum inframerah dekat.
7
Pada spektrum tampak, tanaman akan menyerap spektrum biru dan merah sedangkan
spektrum hijau relatif lebih banyak dipantulkan. Hal ini disebabkan keberadaan klorofil.
Adanya aktivitas fotosintesis yang tinggi akan menghasilkan pantulan yang lebih rendah
di spektrum merah dan pantulan tinggi di spektrum inframerah. Fitur interval spektral
(0,650 - 0,885 µm) yang unik seperti ini tidak dimiliki oleh obyek lainnya di permukaan
bumi dan fitur ini dipergunakan dalam prinsip perhitungan indeks vegetasi.
Menurut Beeri et al., 2007, ciri spektral dari vegetasi pada saat aktif berfotosintesis
dengan yang tidak aktif, menunjukkan perbedaan yang jelas dan dapat dimanfaatkan
untuk memperkirakan kuantitas kehijauan dan kualitas vegetasi.
Prinsip penerapan indeks vegetasi dalam memetakan vegetasi bergantung pada sifat
reflectance dalam NIR dan sifat absorpsi dalam gelombang tampak (Xie at al, 2008).
Indeks vegetasi NDVI (Normalized Difference Vegetation Index) secara matematis
diekspresikan oleh persamaan (Barbosa at al, 2006) := ( − )/( + ) (1)
Dimana :
NIR (Near Infra Red) adalah band 5
Red adalah band 4.
Nilai reflectance gelombang infra merah pada band 5 bersifat menyerap spektrum
gelombang datang dan pada band 4 reflectance gelombang merah bersifat memantulkan
gelombang yang datang. Dengan demikian, ini berarti bahwa pada tanaman sehat (aktif
proses fotosintesis) nilai NDVI akan semakin besar dan sebaliknya semakin kurang
sehatnya tanaman atau semakin rendah tingkat kehijauan tanaman (hijau daun tidak
menutupi seluruh permukaan tanah/ kurang subur), maka nilai NDVI akan semakin kecil.
8
Indeks vegetasi NRVI (Normalized Ratio Vegetation Index) merupakan modifikasi
dari Ratio Vegetasi Index (RVI) dan diperkenalkan oleh Baret dan Guyot (1991) yang
diekspresikan oleh : = ( − 1)/( + 1) (2)
Penggunaan tingkat kehijauan vegetasi/ indeks vegetasi sering dikorelasikan
dengan produktivitas dari suatu tanaman/ vegetasi. Penelitian yang berkaitan dengan
produktivitas dilakukan oleh Wahyunto at al., 2006, yang menduga produktivitas
tanaman padi sawah melalui analisis citra satelit di pulau Jawa. Murti dan Raharjo (2009),
melakukan penelitian mengenai estimasi produksi tembakau dengan data penginderaan
jauh ASTER VNIR di sebagian Kabupaten Temanggung, Propinsi Jawa Tengah. Rohman
(2002) melakukan penelitian mengenai estimasi produksi teh dengan citra Landsat TM di
sebagian wilayah Kabupaten Bogor, Cianjur, dan Sukabumi Jawa Barat. Nawir (2000)
melakukan penelitan mengenai estimasi produksi cengkeh menggunakan citra
LANDSAT TM di kabupaten Minahasa Sumatra Utara.
Dalam hal ini, pemanfaatan tingkat kehijauan vegetasi/ indeks vegetasi melalui
NDVI dan NRVI yang diturunkan dari data satelit Landsat 8 dipergunakan untuk
mengidentifikasi distribusi/ sebaran vegetasi cengkeh di Kabupaten Buleleng, Bali.
9
BAB III. KERANGKA BERPIKIR, KONSEP
DAN HIPOTESIS PENELITIAN
3.1 Kerangka Berpikir
Cengkeh merupakan salah satu komoditas pertanian yang memiliki potensi
ekonomi yang cukup tinggi. Inventarisasi keberadaan dan luas vegetasi cengkeh
sangat berguna untuk menunjang pendugaan produktivitas cengkeh yang selama ini
sebagian besar dilakukan secara manual, berdasarkan data lapangan yang dihimpun
dari petani setiap desa atau kecamatan yang memerlukan waktu cukup lama.
Metode, pendekatan dan kriteria penilaian yang dipergunakan juga berbeda-beda,
sehingga hasil perhitungannya akan berbeda dan menyulitkan pengguna informasi
dalam pemanfaatannya.
Dalam era globalisasi informasi, terutama dalam penyediaan data untuk
menunjang produktivitas cengkeh, dituntut kecepatan dan ketepatan informasi
sumber daya pertanian. Untuk itu, diperlukan sarana pengumpul data dan informasi
mengenai keberadaan dan luas vegetasi cengkeh yang lebih akurat dan dalam waktu
secepat mungkin. Teknologi satelit penginderaan jauh merupakan satu-satunya
prioritas utama.
Data satelit penginderaan jauh dalam hal ini data citra Landsat 8, yang berisi
rekaman obyek vegetasi cengkeh akan mempunyai perbedaan indeks vegetasi
dibandingkan dengan vegetasi lainnya. Dengan demikian, jika dilakukan
pengolahan, analisis dan interpretasi, baik visual maupun digital dan menonjolkan
10
aspek tingkat kehijauan vegetasi serta didukung data sekunder, maka dimungkinkan
untuk dapat menentukan keberadaan/ posisi dan luas vegetasi cengkeh.
Untuk verifikasi, dilakukan survei pengambilan data posisi/ koordinat vegetasi
cengkeh di lapangan pada posisi yang bersesuaian antara koordinat di citra dan di
lapangan yang diukur menggunakan alat Global Positioning System (GPS). Setiap
koordinat piksel citra yang terindikasi sebagai vegetasi cengkeh merepresentasikan
posisi vegetasi cengkeh di lapangan dan jumlah piksel dikalikan dengan resolusi
pikselnya merepresentasikan luas dari vegetasi cengkeh daerah yang diteliti.
Diagram alir kerangka berpikir penelitian disajikan pada Gambar 1.
Gambar 1. Diagram alir Kerangka Berpikir Penelitian
Informasi penyediaan datapenunjang produktivitascengkeh (kurang akurat,lambat)
PENEMUAN :1. Distribusi vegetasi cengkeh2. Luas vegetasi cengkeh
Data citra Landsat 8Aspek tingkat kehijauan vegetasi
Algoritma NDVI, NRVIGPS
Posisi samplingvegetasi cengkeh
Teknologi satelit PJ : Ketepatan dan kecepatan
data distribusi dan luasvegetasi cengkeh
11
3.2 Kerangka Konsep
Untuk menunjang pendugaan data produktivitas cengkeh perlu adanya data
distribusi dan luas vegetasi cengkeh. Supaya penyediaan informasi cepat dan akurat,
diperlukan suatu teknologi yang dapat mempercepat dan menambah akurasi
perhitungan produktivitas.
Data citra satelit penginderaan jauh Landsat 8 berisi informasi karakteristik
pantulan panjang gelombang (spectral reflectance) dari obyek-obyek yang ada
dipermukaan bumi. Spectral reflectance direpresentasikan oleh warna/ nilai-nilai
piksel pada data citra.
Data citra satelit penginderaan jauh yang berisi rekaman nilai spectral
reflectance obyek-obyek vegetasi cengkeh direpresentasikan oleh warna (nilai-nilai)
piksel. Dalam data citra Landsat 8, spectral reflectance merah berada pada band 4,
dengan interval panjang gelombang antara 630 sampai 680 nm. Sementara pada
band 5 berisi spektrum infra merah dekat (Near Infra Red, NIR) dengan interval
panjang gelombang 845 sampai 885 nm.
Dengan menggunakan teknologi satelit penginderaan jauh, maka obyek vegetasi
(cengkeh) yang terekam dalam data citra, memungkinan untuk mengetahui
keberadaan dan kondisi vegetasi cengkeh. Melalui pengolahan tingkat kehijauan
vegetasi (NDVI, NRVI), pembentukan warna komposit, kemudian diinterpretasi
secara visual maupun digital, akan memperkuat dan menambah informasi mengenai
keberadaan dan kondisi tanaman cengkeh.
Data satelit penginderaan jauh dalam hal ini data citra Landsat 8, yang berisi
rekaman obyek vegetasi cengkeh akan mempunyai perbedaan indeks vegetasi
12
dibandingkan dengan vegetasi lainnya. Dengan demikian, jika dilakukan
pengolahan, analisis dan interpretasi, baik visual maupun digital dan menonjolkan
aspek tingkat kehijauan vegetasi serta didukung data sekunder, maka dimungkinkan
untuk dapat menentukan keberadaan/ posisi dan luas vegetasi cengkeh.
Untuk verifikasi, dilakukan survei pengambilan data posisi/ koordinat vegetasi
cengkeh di lapangan pada posisi yang bersesuaian antara koordinat di citra dan di
lapangan yang diukur menggunakan alat Global Positioning System (GPS). Setiap
koordinat piksel citra yang terindikasi sebagai vegetasi cengkeh merepresentasikan
posisi vegetasi cengkeh di lapangan dan jumlah piksel dikalikan dengan resolusi
pikselnya merepresentasikan luas dari vegetasi cengkeh daerah yang diteliti.
Diagram alir kerangka konsep penelitian disajikan pada Gambar 2.
Gambar 2. Diagram alir Kerangka Konsep Penelitian
Pengolahan data citra, aspekNDVI, NRVI, warna komposit,dan interpretasi. Identifikasi posisi cengkeh
FAKTA :Informasi penyediaan datapenunjang produktivitascengkeh (kurang akurat,lambat)
PENEMUAN :1. Distribusi vegetasi cengkeh2. Luas vegetasi cengkeh
FAKTA :Data citra Landsat 8
Spectral reflectance obyekdiekspresikan oleh nilai piksel
GPS Posisi samplingvegetasi cengkeh
13
3.3 Hipotesis Penelitian
Hipotesis yang diajukan dalam penelitian ini adalah :
Tingkat ketelitian data citra Landsat 8 untuk mengidentifikasi distribusi cengkeh
secara analisis statistik dapat diterima dengan tingkat ketelitian keseluruhan
(overall accuracy) > 75 %.
14
BAB IV. METODE PENELITIAN
Variabel dalam penelitian ini adalah perbandingan nilai spectral reflectance antar
band dari data satelit Landsat 8 yang mengekspresikan tingkat kehijauan/ indeks vegetasi
cengkeh yang dihitung berdasarkan algoritma NDVI dan NRVI. Penelitian ini dirancang
menggunakan metode kuantitatif dan kualitatif. Pengambilan data secara kuantitatif
berupa posisi/ koordinat vegetasi cengkeh yang didapat melalui survey lapangan dengan
alat GPS (Global Positioning System). Pengumpulan data secara kualitatif dilakukan
dengan mengumpulkan data citra satelit Landsat 8, peta topografi dan peta tematik.
4.1 Lokasi dan Waktu Penelitian
Lokasi penelitian dilakukan di Kabupaten Buleleng, Provinsi Bali yang secara
geografis terletak pada koordinat 8° 03 ' 40 '' - 8° 23 ' 00 '' LS dan 114° 25 ' 55 ''- 115°
27 ' 28 '' BT. Penelitian dilaksanakan pada bulan September 2014 sampai Desember
2014 Peta lokasi penelitian disajikan pada Gambar 3.
Gambar 3. Lokasi Penelitian Kabupaten Buleleng, Bali
15
Kegiatan yang dilakukan dalam penelitian ini dimulai dari pengumpulan data-data
kualitatif, pengolahan data awal, survey pengukuran koordinat, mengolah data lanjutan
sampai analisis data yang secara rinci dijelaskan dalam diagram alir penelitian pada
Gambar 4.
4.2 Ruang Lingkup Penelitian
Mengingat obyek yang terekam dalam data citra satelit penginderaan jauh dominan
diberikan oleh spectral reflectance yang menutupi permukaan bumi, maka ruang lingkup
pengambilan sampel dipilih titik-titik koordinat daerah-daerah yang cukup homogen
vegetasi cengkehnya. Hal ini dimaksudkan supaya spectral reflectance secara langsung
didominasi oleh pengaruh vegetasi cengkeh.
4.3 Bahan dan Instrumen Penelitian
Bahan-bahan yang dipergunakan dalam penelitian ini adalah data citra satelit Landsat
8, yaitu band 2, band 3, band 4, band 5, band 6 dan band 7. Instrumen yang dipergunakan
adalah :
1) Laptop Toshiba Satellite M645-S4110 Intel Core i5; 2,4 Ghz; RAM 4 GB
2) Peta tematik, peta topografi
3) Printer dan alat-alat tulis
4) Software IDRISI 16.03 : The Taiga Edition, untuk mengolah citra
5) Peralatan lapangan GPS (Global Positioning System)/ Smart Phone
4.4 Prosedur Penelitian
16
Penelitian ini pada dasarnya dilakukan dengan mengolah data citra Landsat 8
menggunakan software IDRISI 16.03 : The Taiga Edition yang secara garis besar dibagi
dalam 4 tahap, yaitu :
1. Koreksi dan mosaic citra
Citra satelit yang digunakan adalah citra Landsat 8 level 1G, yaitu citra yang telah
terkoreksi secara radiometrik maupun geometric. Koreksi nilai reflektan untuk
seluruh band citra Landsat 8 berdasarkan perumusan yang dikeluarkan oleh USGS
tahun 2013. Perbaikan kekontrasan dilakukan untuk masing-masing band dengan
menerapkan beberapa metode yang tersedia pada software IDRISI 16.03 : The
Taiga Edition. Hasil visual terbaik yang tidak mempengaruhi nilai citra original
dipakai untuk analisis dan perhitungan lebih lanjut.
Mengingat rekaman data citra Landsat 8 untuk Kabupaten Buleleng, Bali terdiri
dari 2 scene (path dan row berbeda), maka untuk mendapatkan data citra
Kabupaten Buleleng, Bali yang lengkap dan utuh, dilakukan penggabungan ke 2
scene tersebut melalui proses mosicking. Mosaicking dilakukan terhadap seluruh
(ke-6) pasangan band citra Landsat 8. Untuk mendapatkan citra daerah studi,
dilakukan cropping setiap band citra mosaic dioverlay dengan peta digital daerah
studi. Citra komposit (RGB), disusun dari band 654 yang memiliki kekontrasan
terbaik.
2. Klasifikasi vegetasi non vegetasi
Penentuan klas vegetasi dan non vegetasi didasari oleh citra RGB 654. Dalam
interpretasi visual dibantu oleh citra resolusi tinggi (google earth) dan proses
klasifikasi menggunakan metode maximum likelihood.
3. Membangun citra tingkat kehijauan vegetasi
17
Citra tingkat kehijauan vegetasi dibangun berdasarkan algoritma NDVI dan
NRVI menggunakan Persamaan 1 dan 2. Identifikasi indeks vegetasi cengkeh
diperoleh berdasarkan posisi vegetasi cengkeh yang diperoleh dari bantuan citra
resolusi tinggi (google earth ) dan pengukuran langsung dengan GPS. Setiap
piksel pada citra NDVI dan NRVI yang terindikasi sebagai vegetasi cengkeh
dipakai sebagai dasar untuk klasifikasi dalam menentukan distribusi/ sebaran dan
luas dari vegetasi cengkeh.
4. Menentukan distribusi dan luas vegetasi cengkeh
Untuk mendapatkan katagori kerapatan, yaitu rapat, sedang dan lebat dilakukan
cross tabulation citra indeks vegetasi baik NDVI maupun NRVI dengan citra hasil
klasifikasi vegetasi non vegetasi.
Luas vegetasi cengkeh dapat dihitung dari perkalian resolusi piksel dengan
jumlah piksel yang terindikasi sebagai vegetasi cengkeh yang prosedurnya
tersedia dalam software IDRISI 16.03 : The Taiga Edition.
4.4 Analisis Data
Analisis data dilakukan dengan membandingkan kedua citra hasil distribusi dan luas
vegetasi cengkeh yang dibangun berdasarkan algoritma NDVI dan NRVI. Secara analisis
statistik, dilakukan pengujian tingkat ketelitian data satelit Landsat 8 dalam
mengidentifikasi distribusi vegetasi cengkeh.
18
Gambar 4. Diagram alir penelitian
2 scene 6 band citraLandsat 8 Level 1G
Perbaikan Kontras, Filtering
Cropping, citradaerah studi
Algoritma NDVI dan NRVI
Citra indeks cengkeh(NDVI dan NRVI)
Citra distribusi vegetasi cengkeh (NDVI, NRVI)
Informasi spasial distribusi dan luas vegetasi cengkeh (NDVI, NRVI)
Peta digitalarea penelitian
Citra KompositRGB 654
Overlay
Klasifikasi citra
Citra vegetasi nonvegetasi
Overlay
Interpretasi, identifikasiindeks vegetasi cengkeh
CrossTabulation
Koreksi reflektan, geometrik
Mosaic
Data koordinatsurvey (GPS), Citra
resolusi tinggi
19
BAB V. HASIL DAN PEMBAHASAN
Untuk mendapatkan hasil distribusi dan luas vegetasi cengkeh, dilakukan
pengolahan terhadap data citra satelit Landsat 8 level 1G. Daerah Bali
(Kabupaten Buleleng) pada citra Landsat 8, tercover dalam 2 scene, yaitu :
Scene 1 : Path = 117, Row = 66
Scene 2 : Path = 116, Row = 66
Rekaman data citra yang dipakai dalam penelitian ini adalah rekaman tanggal
5 Mei 2014 untuk scene 1 dan rekaman tanggal 3 Nopember 2014 untuk scene 2.
Pada dasarnya data ini sudah terkoreksi secara radiometrik dan geometrik, akan
tetapi pada penelitian ini dilakukan koreksi nilai reflektan pada Top On
Atmosphere (TOA) untuk menskalakan kembali nilai-nilai piksel (rescalling).
Koreksi geometrik juga akan dilakukan supaya citra mempunyai referensi
koordinat peta Universal Transverse Mercator (UTM).
5.1 Pengolahan Citra
a. Koreksi Nilai Reflektan
Pada citra Landsat 8, koreksi nilai reflektan dilakukan dengan rescalling nilai
piksel menggunakan rumus (USGS, 2013) :
= ( )= +Dimana Mρ = konstanta rescalling (Reflectance_Multi_Band_X)
Aρ = konstanta penambah (Reflectance_Add_Band_X)
20
Qcal = nilai piksel (digital number)
θse = sun elevation (=53,22614231 untuk rekaman 5 Mei 2014 dan
66,02747708 untuk rekaman 3 Nopember 2013)
b. Resample Dan Koreksi Geometrik
Resample dan Koreksi geometrik dilakukan untuk memperbaiki posisi obyek
pada citra, sehingga sesuai dengan posisi sebenarnya di bumi. Koreksi ini
dilakukan untuk seluruh (ke-6) band citra Landsat 8 dengan metode nearest
neighboor yang mengacu pada 9 titik kontrol sekutu (Ground Control Point,
GCP) dengan total RMS = 0,013490. Titik-titik kontrol sekutu diperoleh dari
pengukuran langsung di lapangan yang dipadukan dengan data dari citra
resolusi tinggi (Google Earth). Sistem georeferensinya menggunakan
koordinat UTM pada zona 50
c. Perentangan Kekontrasan
Proses ini dilakukan untuk mendapatkan visualisasi yang lebih baik, sehingga
obyek yang berbeda terlihat lebih jelas. Jenis perentangan yang dipergunakan
adalah tipe linear with saturation.
d. Mosaicking
Untuk mendapatkan citra yang lengkap daerah Kabupaten Buleleng dilakukan
penggabungan scene citra melalui proses mosaic.
Citra hasil mosaicking untuk band 5 disajikan pada Gambar 5.
21
Gambar 5. Citra mosaic band 5
e. Citra Daerah Studi
Untuk membuat citra daerah studi, dilakukan overlay peta digitasi batas
daerah studi (Kabupaten Buleleng) dengan citra hasil mosaic. Hasil citra
daerah studi untuk band 5 disajikan pada Gambar 6.
Gambar 6. Citra Daerah Studi
f. Citra Komposit
Transformasi atau pembentukkan citra komposit dilakukan dengan kombinasi
RGB 654. Aspek vegetasi pada citra komposit ini sangat menonjol (warna
22
hijau terang) dan dipergunakan untuk menganalisis secara visual, mengenali
obyek vegetasi tanaman cengkeh di citra. Disamping itu citra ini juga
dipergunakan sebagai dasar pembuatan training area untuk proses klasifikasi.
Citra komposit RGB 654 disajikan pada Gambar 7.
Gambar 7. Citra komposit RGB 654
g. Klasifikasi
Klasifikasi citra diawali dengan pembuatan training area untuk 2 ID, yaitu :
ID 1 : Vegetasi
ID 2 : Non Vegetasi
Selanjutnya dilakukan pembuatan signature file sistem informasi geografis,
yang melibatkan ke-6 band citra, setelah itu dilakukan proses klasifikasi
untuk menentukan klas vegetasi dan non vegetasi. Klasifikasi dilakukan
menggunakan metode maximum likelihood dan hasilnya disajikan pada
Gambar 8 dan perhitungan statistik hasil klasifikasi disajikan pada Tabel 2.
23
Gambar 8. Klasifikasi vegetasi non vegetasi
Tabel 2. Statistik klasifikasi vegetasi – non vegetasi
Klas Batas Bawah Batas Atas FrekuensiVegetasi 1 2 705024Non Vegetasi 0 1 4081736
Rata-rata = 0,147
Standar Deviasi = 0,354
N (Jumlah Piksel) = 4786760
5.2. Perhitungan Dan Citra Indeks Vegetasi Cengkeh
Tingkat kehijauan vegetasi dapat diukur melalui analisis citra satelit yang
diekspresikan oleh nilai NDVI dan NRVI. Nilai ini dihitung menggunakan
Persamaan 1 dan 2. Nilai NDVI berkisar antara -1 sampai +1, yang mana nilai
-1 sampai 0 menunjukkan obyek non vegetasi dan dari 0 sampai +1 menunjukkan
keberadaan vegetasi. Nilai NRVI yang diperoleh berkisar antara -1 sampai +1.
Nilai -1 menuju 0 menunjukkan obyek vegetasi dan dari 0 ke +1 menunjukkan
non vegetasi. Hasil pengolahan citra NDVI dan NRVI disajikan pada Gambar 9a
dan 9b.
24
Gambar 9a. Citra NDVI
Gambar 9b. Citra NRVI
Untuk melihat dan mengalisis posisi obyek vegetasi cengkeh pada daerah
studi, dipergunakan bantuan citra resolusi tinggi dengan memanfaatkan Web
GoogleEarth. Disamping itu, pada penelitian ini juga diambil 10 titik koordinat
sampel (STA) tanaman cengkeh di lapangan menggunakan peralatan GPS. Data
hasil koordinat lapangan hasil survey di sajikan pada Tabel 3 di bawah ini.
Tabel 3. Data koordinat survei sampel vegetasi cengkeh daerah penelitian
STAKoordinat (m)
Lintang (X) Bujur(Y)1 284370 90836662 295140 90928763 295080 90927004 295260 90923365 294840 90939866 295050 90930557 306240 90998378 306420 90994759 307110 909887510 307590 9097255
25
Hasil analisis nilai indeks vegetasi cengkeh pada citra NDVI dan NRVI
yang didasari oleh 10 titik koordinat sesuai dengan data Tabel 3, yang
mengindikasikan sampel vegetasi cengkeh disajikan pada Tabel 4 di bawah ini.
Tabel 4. Koordinat sampel vegetasi cengkeh berdasarkan NDVI dan NRVI.
STAKoordinat (m) Indeks Vegetasi CengkehX Y NDVI NRVI
1 284370 9083666 0.7096774 -0.70967742 295140 9092876 0.6407186 -0.64071863 295080 9092700 0.6484848 -0.66897414 295260 9092336 0.6875000 -0.68750005 294840 9093986 0.6551724 -0.65517246 295050 9093055 0.6860465 -0.68604657 306240 9099837 0.7058824 -0.70588248 306420 9099475 0.6546185 -0.65461859 307110 9098875 0.6363636 -0.636363610 307590 9097255 0.7051793 -0.7051793
Pada tabel 4 terlihat bahwa, nilai NDVI yang mengindikasikan vegetasi
cengkeh terendah adalah 0,6363636, tertinggi 0,7096774 dan nilai NRVI yang
mengindikasikan vegetasi cengkeh terendah adalah -0.7096774 dan tertinggi
-0.6363636. Interval nilai NDVI dan NRVI berdasarkan tingkat kehijauan/
kerapatan vegetasi cengkeh diklasifikasikan ke dalam 3 klas. Untuk mendapatkan
nilai positif dari indeks kehijauan NRVI, maka citra NRVI yang terbangun
dikalikan dengan scalar, yaitu -1 dan hasil selengkapnya disajikan pada Tabel 4.
Tabel 5. Klas kerapatan cengkeh berdasarkan NDVI dan NRVI
Kelas Nilai NDVI Nilai NRVI Kerapatan cengkeh1 0,630 – 0,657 0,632 – 0,639 Jarang2 0,657 – 0,684 0,639 – 0,695 Sedang3 0,684 – 0,710 0,695 – 0,717 Lebat
Citra klasifikasi berdasarkan kerapatan jarang, sedang dan lebat dari citra
NDVI dan NRVI disajikan pada Gambar 10a dan 10b.
26
Gambar 10a. Citra reklas indeks vegetasi cengkeh dari NDVI
Gambar 10b. Citra reklas indeks vegetasi dari NRVI
5.3 Distribusi Dan Luas Vegetasi Cengkeh
Untuk menentukan distribusi atau sebaran vegetasi cengkeh dilakukan cross
tabulation (CROSSTAB) antara citra hasil klasifikasi vegetasi, non vegetasi
dengan citra reklasifikasi indeks vegetasi cengkeh yang diturunkan dari NDVI dan
NRVI. Jenis analisis yang dipakai adalah hard classification. Informasi spasial
distribusi cengkeh berdasarkan indeks cengkeh NDVI dan NRVI diisajikan pada
Gambar 11a dan 11b.
27
Gambar 11a. Distribusi Vegetasi Cengkeh berdasarkan NDVI
Gambar 11b. Distribusi Vegetasi Cengkeh Berdasarkan NRVI
Secara visual, hasil distribusi vegetasi cengkeh yang dibangun dengan
NDVI dan NRVI jelas terlihat tidak sama. Hal ini karena algoritme pada NDVI
berbeda dengan NRVI. Kedua hasil algoritme ini memberikan hasil luasan
vegetasi cengkeh dengan selisih, yaitu 103,59 ha.
Hasil perhitungan luas vegetasi cengkeh berdasarkan algoritme NDVI dan
NRVI disajikan pada Tabel 6.
Tabel 6. Luas vegetasi cengkeh menurut katagori
kerapatan berdasarkan NDVI dan NRVI
No. Katagori kerapatan Luas (ha)NDVI NRVI
1 Jarang 3258,90 324,812 Sedang 3835,62 8145,273 Lebat 3355,83 1876,32
Jumlah 10450,35 10346,40
28
Dari table 6 dapat dilihat bahwa, selisih untuk masing-masing katagori
kerapatan, yaitu jarang adalah 2934,09 ha, sedang adalah 4309,65 ha, lebat adalah
1479,51 ha. Perbedaan nilai-nilai ini disebabkan oleh adanya penyeleksian piksel-
piksel dalam pengelompokan klas-klas katagori kerapatan. Dari analisis ini dapat
dikatakan bahwa luas vegetasi cengkeh yang diturunkan dari NDVI maupun
NRVI didominasi oleh katagori kerapatan sedang.
Dari data statistik tahun 2012 Pemda Kabupaten Buleleng, bahwa luas
tanaman cengkeh yang menghasilkan adalah 7007 ha. Jika dibandingkan dengan
luas vegetasi cengkeh yang diperoleh dalam penelitian ini, terdapat selisih
3443,35 ha untuk NDVI dan 3399,40 ha untuk NRVI. Perbedaan nilai-nilai ini
disebabkan oleh data yang diproses dalam penelitian ini merupakan data
keberadaan vegetasi cengkeh secara keseluruhan (yang menghasilkan dan yang
belum/tidak menghasilkan). Dari analisis ini berarti bahwa, terdapat luas rata-rata
3421,375 ha vegetasi cengkeh yang belum/ tidak menghasilkan.
29
BAB VI. KESIMPULAN DAN SARAN
6.1 Kesimpulan
Berdasarkan hasil dan pembahasan pada penelitian ini dapat disimpulkan
sebagai berikut :
1. Distribusi vegetasi cengkeh di Kabupaten Buleleng dapat ditentukan
dengan citra penginderaan jauh Landsat 8 melalui penurunan indeks
kehijauan vegetasi NDVI dan NRVI yang disajikan dalam bentuk
informasi spasial.
2. Luas vegetasi cengkeh di kabupaten Buleleng berdasarkan algoritma
NDVI adalah 10450,35 Ha dan berdasarkan algoritma NRVI adalah
10346,40 Ha.
6.2 Saran
Untuk pengembangan penelitian ini, disarankan menggunakan jenis citra
resolusi lebih tinggi agar menghasilkan klasifikasi lebih detail, sehingga obyek
vegetasi non cengkeh yang ikut pada proses klasifikasi dapat diminimalisasi.
30
DAFTAR PUSTAKA
Barbosa, H.A. Huete, A.R. Baethgen, W.E. 2006. A 20-year study of NDVI variability
over the Northeast Region of Brazil. J Arid Environ 67:288–307.
Barrett, Eric C. , Leonard F. Curtis. 1992. Introduction To Environmental Remote
Sensing. Third Edition: Chapman & Hall
Beeri, O. Phillips, R. Hendrickson, J. et al. 2007. Estimating forage quantity and
quality using aerial hyperspectral imagery for northern mixed-grass prairie.
Remote Sensing Environment 110:216–25.
BPS Kab. Buleleng. 2013. Http://bulelengkab.bps.go.id/bpsbuleleng/Publikasi
/2013/statistikpertanian2012/ Diakses pada tanggal 30 Mei 2014.
Hielkema, J.U. 1990. Operational Satellite Environmental Monitoring For Food
Security By FAO. The ARTEMIS System. FAO Remote Sensing Centre. Rome.
Italy.
Lillesand, T. M. , Raph. W. Keifer. 1997. Remote Sensing and Image Interpretation.
Third Edition. New York : John Wiley and Sons.
Lillesand Thomas M., Kiefer Ralph W., Chipman Jonathan W., (2004), RemoteSensing and Image Interpretation. John Wiley & Sons (Asia), Singapore.
Rees, W. G. 2006. Physical Principles Of Remote Sensing. Second Edition. UK:
Cambridge University Press.p.10-13.
Murti , S.H., T. Raharjo. 2009. Estimasi Produksi Tembakau Berdasarkan
Pengolahan Citra Digital ASTER VNIR di Sebagian Kabupaten Temanggung
Provinsi Jawa Tengah. Prosiding Simposium Nasional Geoinformasi I.
PUSPICS UGM-BAKOSURTANAL. Yogyakarta. pp. 207-213
Wahyunto, Widagdo, dan Heryanto, B., 2006. Pendugaan Produktivitas Tanaman
Padi Sawah Melalui Analisis Citra Satelit. Informatika Pertanian. Vol. 15. pp.
853- 869.
Xie, Y., Zongyao, S. Mei, Y. 2008. Remote Sensing Imagery In Vegetation Mapping
: a review. J Plant Ecology 1 : 9-23.