1

BAB 1

PENDAHULUAN

1.1 Latar Belakang

Salah satu cara memperoleh data permukaan bumi yang dapat dipercaya

dan akurat untuk kebutuhan analisis berbagai bidang ilmu, sementara ini dapat

dipenuhi melalui perekaman dengan teknologi Remote Sensing (penginderaan

jauh), dengan mengandalkan keunikan dan karakteristik panjang gelombang yang

berbeda, yang dipancarkan setiap obyek di permukaan bumi. Penginderaan jauh

adalah ilmu atau seni untuk memperoleh informasi tentang objek, daerah atau

suatu gejala, dengan jalan menganalisis data yang diperoleh dengan menggunakan

alat, tanpa kontak langsung dengan objek, daerah atau gejala yang akan dikaji

(Lillesand dan Kiefer, 2004, Sutanto, 1998).

Secara visual, data penginderaan jauh ditampilkan berupa citra yang

tersusun dari berbagai jumlah piksel. Piksel (pixel/ picture element) adalah unit

terkecil dari sebuah citra dan merupakan unit dasar spasial dalam ruang-ruang sel

(sekumpulan sel). Piksel atau sel memiliki sifat yang sangat dinamis dan bebas.

Setiap sel memiliki nilai digital unik yang membedakan dengan sel lainnya.

Keunikan dan kedinamisan piksel digambarkan Conway (Liu, Y., 2009), sebagai

mahluk hidup karena kemampuannya dapat bertahan (survive), mati (die), dan

lahir (birth). Agar dapat membaca kedinamisan piksel dengan presisi harus

memperhatikan kualitas citra berdasarkan prosentase tutupan awan yang minimal.

Metode perekaman atau pengumpulan data penginderaan jauh (inderaja)

dilakukan dengan menggunakan alat pengindera (sensor) yang terpasang pada

pesawat terbang atau satelit (Lillesand dan Keifer, 2004). Aplikasi satelit

penginderaan jauh saat ini mampu memberikan data atau informasi tentang

sumberdaya alam di daratan dan sumberdaya alam di lautan secara teratur dan

periodik, sehingga kebutuhan akan data inderaja pada sebuah citra dalam bentuk

digital mudah tersedia dan memungkinkan dilakukan penganalisaan menggunakan

komputer secara kuantitatif dan konsisten. Untuk tujuan pemetaan dan

pengumpulan data spasial, teknologi inderaja terbukti lebih hemat waktu dan

2

biaya, bila dibanding dengan cara teristris sehingga penjelajahan lapangan dapat

dikurangi.

Pemanfaatan data remote sensing sejak akhir 30tahun-an secara ekstensif

digunakan untuk mengamati perubahan lingkungan dan tutupan lahan (land cover)

(Colby dan Keating 1998). Umumnya, dari beberapa penelitian (1994-2007)

menggunakan beragam citra resolusi sedang hasil perekaman seperti, Landsat

Multispectral Scanning System (MSS), Thematic Mapper (TM), SPOT dan Aster,

guna memperoleh informasi tutupan lahan. Informasi perubahan lingkungan

maupun tutupan lahan pada penelitian tersebut diperoleh melalui identifikasi

berbagai kombinasi komposit kanal (band composite) yang hasilnya sangat

bergantung dari panjang gelombang dan nilai spectral yang diterimanya, maupun

teknik klasifikasi yang digunakan. Adapun tingkat akurasinya, sangat tergantung

dari kemampuan spasial, spektral masing-masing sensor dan prosentase tutupan

awan saat perekaman.

Lebih lanjut, pengembangkan model dengan menggunakan teknologi

satelit remote sensing akan makin mempermudah mendeteksi terjadinya

perubahan dan arah pertumbuhan piksel dengan akurasi yang semakin baik. Pada

jangkauan area yang sangat luas dan sebaran jenis land cover yang tidak beraturan

secara geografis, mustahil dilakukan pemetaan dan pemodelan dengan cara-cara

manual.

(http://www.satimagingcorp.com/svc/land_cover_and_change_detection.html).

Berbagai penelitian pengembangan model yang memanfaatkan teknologi

satelit remote sensing dari tahun 1996-2011 menggunakan pendekatan simulasi

dinamis grafis (cellular automata) dan metode regresi pada proses analisisnya,

seperti pada kupasan beberapa penelitian pada Tabel 1.1 dan Tabel 1.2. Dimana,

posisi penelitian pada disertasi ini menjadi pembanding di tahun 2011.

3

Tabel 1.1 Penelitian Terdahulu dan Sekarang (1996-2004)

Clarke, K.C., (1996) Zainab, S., (2000) Nurdin, (2002) Cheng, J., Masser, I.,

(2002) Xie, Y., Batty ,

M.,(2003), Houet, T., Moy, L.M.,

(2004)

Judul

Urban Change Integtrated Modeling Environment

Analisa Perubahan Penggunaan Lahan Terhadap Kepadatan Penduduk Dengan Menggunakan Citra Satelit Multi Temporal

Analisa Perubahan Kawasan Terbangun Berdasarkan Citra Landsat Thematic Mapper Dengan Metode Multi Temporal, Studi Kasus Kota Surabaya dan Sekitarnya

Modelling urban growth patterns: a multiscale perspective

Integrated Urban Evolutionary Modeling

Modeling And Projecting Land-use And Land-cover Changes With A Cellular Automaton In Considering Landscape Trajectories: An Improvement For Simulation Of Plausible Future States (case study: Western part of France, in Central Brittany)

Objek Perubahan tutupan lahan kawasan Perkotaan di US

Perubahan tutupan lahan Kota Surabaya

Perubahan tutupan lahan Kota Surabaya

Pola Pertumbuhan Kota Wuhan di Cina

Pertumbuhan Kota Ann Arbor, Michigan

Pertumbuhan Kota Brittany, Perancis

Sumber Data Landsat Landsat Landsat SPOT PAN/XS Landsat Landsat dan foto udara

Metodologi

1. Klasifikasi ML (maximum likelihood), untuk memperoleh karakter dinamis piksel pada tiap variabel

2. regresi OLS (Ordinary Least Squares) untuk menghasilkan model perubahan tutupan lahan

3. Simulasi SLEUTH (slope, land use,

1. Klasifikasi ML (maximum likelihood), untuk menghasilkan klas variabel

2. regresi OLS (Ordinary Least Squares) untuk memperoleh model perubahan guna lahan dan hubungan antar variabelnya

1. Klasifikasi ML (maximum likelihood) untuk menghasilkan peta tematik.

2. tumpang susun (overlay) dengan teknologi SIG, untuk mengetahui perubahan lahan

1. Klasifikasi ML (maximum likelihood), untuk menghasilkan klas variabel.

2. OLS (Ordinary Least Squares), untuk memperoleh model pertumbuhan kota, dan varibel pengaruhnya

3. GLS (Generalised Least Squares). Memperoleh hirarki

1. Klasifikasi ML (maximum likelihood), untuk memperoleh karakter dinamis piksel pada tiap variabel

2. Simulasi DUEM (Dynamic Urban Evolutionary Model) untuk mengetahui arah dan terjadinya pertumbuhan kota

1. Klasifikasi ML (maximum likelihood), untuk memperoleh karakter dinamis piksel pada tiap variabel

2. Markovian Cellular Automaton, untuk mengetahui terjadinya perubahan pola dan pertumbuhan piksel

4

Tabel 1.1 Penelitian Terdahulu dan Sekarang (1996-2004) (lanjutan)

exclusion, urban extent, transportation, hillshade), menghasilkan simulasi perubahan tutupan lahan berdasarkan variabel SLEUTH

pertumbuhan kota berdasarkan model regresi yang terbentuk

Hasil

Model perubahan tutupan lahan perkotaan di US. Prediksi perubahan tutupan lahan dan distribusi penduduk perkotaan. Data/ Peta wilayah studi.

Perubahan guna lahan yang bekorelasi terhadap pertumbuhan dan kepadatan penduduk. Data/ Peta wilayah studi

Perubahan luasan tutupan lahan di Kota Surabaya. Data/ Peta wilayah studi

Model perubahan guna lahan sebagai bagian dari proses pertumbuhan kota. Dianalisis berdasarkan teori hirarkhi. Data/ Peta wilayah studi

Model pertumbuhan kota berdasarkan simulasi grafis (model cellular automata). Data/ Peta wilayah studi.

Prediksi perubahan tutupan lahan kota berdasarkan skenario dan jumlah iterasi selama proses. Data/ Peta wilayah studi.

Manfaat

Memberikan informasi dalam penentuan kebijakan guna lahan kota dan perencanaan kota

Mengetahui hubungan perubahan tutupan lahan akibat kegiatan kota

Memperoleh informasi bertambah/ kurangnya luasan guna lahan akibat perubahan tutupan lahan

Memberikan informasi arahan perencanaan guna lahan kota, prediksi pertumbuhan kota berdasarkan hirarkhinya

Memberikan informasi pada tahapan proses perencanaan kota, pengembangan lahan berdasarkan prediksi simulasi pertumbuhan kota.

Memberikan informasi dalam penentuan kebijakan guna lahan kota dan perencanaan kota

5

Tabel 1.2 Penelitian Terdahulu dan Sekarang (2006-2011)

Herold, M., Hemphill, J., Liu, X., Clarke, K.C., (2006)

Alkheder, S., Wang, J., and Shan, J., (2006)

Luo, J., (2006) Rahman, A., Netzband, M.,(2007)

Hasyim, A.W., (2011)

Judul

Urban Patterns And Processes: A Remote Sensing Perspective

Change Detection - Cellular Automata Method For Urban Growth Modeling

Modeling Urban Growth And Spatial Structure In Nanjing, China With GIS and Remote Sensing

Urban remote sensing for a fast-growing megacity: Delhi, India

Pengembangan Model Pertumbuhan Piksel Yang Berbasiskan Data Citra Satelit Multitemporal Dan Teknologi SIG Sebagai Dasar Estimasi Pertumbuhan Kota Surabaya

Objek Pertumbuhan kawasan perkotaan di California

Pertumbuhan Kota Indianapolis, Indiana, USA

Pertumbuhan Kota Nanjing, Cina

Pertumbuhan Kota Delhi, India

Pertumbuhan Kota Surabaya

Sumber Data Landsat Landsat Landsat LISS-III (IRS), ASTER,

Landsat Landsat

Metodologi

1. Klasifikasi ML (maximum likelihood), untuk memperoleh karakter dinamis piksel pada tiap variabel

2. Time Series, untuk mengetahui prediksi pertumbuhan kota

3. Spatial Metric, untuk mengetahui dimensi pertumbuhan kota.

1. Klasifikasi ML (maximum likelihood), untuk memperoleh karakter dinamis piksel pada tiap variabel

2. Simulasi SLEUTH (slope, land use, exclusion, urban extent, transportation, hillshade) menghasilkan simulasi perubahan tutupan lahan kota berdasarkan variabel SLEUTH

1. Klasifikasi ML (maximum likelihood), untuk menghasilkan klas variabel

2. OLS (Ordinary Least Squares), untuk memperoleh model pertumbuhan kota dan GWR sebagai pembanding

1. Klasifikasi ML (maximum likelihood), untuk menghasilkan peta tematik berdasarkan suhu permukaan masing-masing kegiatan kota

2. Superimposed dengan teknologi SIG, untuk menghasilkan perubahan tutupan lahan berdasarkan kegiatan kota yang memiliki suhu permukaan berbeda-beda

1. Klasifikasi SAM, agar diperoleh hasil klasifikasi akurat pada tiap klas variabel

2. All Possible Regression, menghasilkan model keseluruhan kota

3. Stepwise Regression, menentukan variabel terpilih dengan menghindarkan terjadinya multikolinear

4. Geographically Weighted Regression (GWR), menghasilkan arah, lokasi dan model prediksi pertumbuhan masing-masing kawasan

6

Tabel 1.2 Penelitian Terdahulu dan Sekarang (2006-2011) (lanjutan)

5. Co-Kriging, mengetahui

sebaran data variabel

pengaruh dan

luasannya.

Hasil

Proses evolusi spasial, yang memfokuskan pada pola: tutupan lahan perkotaan, morfologi perkotaan, karakteristik sosial ekonomi, pertumbuhan kota. Data/ Peta wilayah studi.

Prediksi pertumbuhan kota memiliki akurasi tinggi untuk jangka pendek. Data/ Peta wilayah studi.

Model pertumbuhan kota secara umum. Data/ Peta wilayah studi.

Karakteristik permukaan lahan seperti; pemukiman kumuh, daerah pertumbuhan cepat, ruang terbuka, RTH, melalui analisa suhu ruang. Data/ Peta wilayah studi.

Algoritma untuk estimasi pertumbuhan kota dan kawasan, arah dan lokasi pertumbuhan kota, sebaran data pusat kota. Data/ Peta wilayah studi.

Manfaat

Memberikan informasi untuk perencanaan guna lahan, dan perencanaan kota

Memberikan informasi untuk perencanaan guna lahan, dan perencanaan kota pada jangka pendek

Memberikan informasi untuk perencanaan dan pengelolaan lahan perkotaan

Memberikan informasi untuk perencanaan dan pengelolaan lahan perkotaan berdasarkan suhu ruang kota

Memberikan informasi untuk menentukan perencanaan dan guna lahan perkotaan berdasarkan variabel terpilih

7

Dari penelitian-penelitian tersebut diatas, metode regresi dan metode

simulasi dinamis cellular automata hingga saat ini masih menjadi dasar

pengembangan model. Model dinamis Cellular Automata (CA) lebih

menunjukkan proses pertumbuhan dan prediksi tumbuhnya suatu piksel namun

tidak memberikan informasi penyebab tumbuh dari hubungan kekerabatan antar

variabel terikat (dependent variable) dan variabel bebasnya (independent

variable) seperti ditulis Kozicki, J., Tejchman, J., (2005) bahwa, sisi kelemahan

utama CA adalah, model yang dihasilkan selalu menunjukkan suatu pertumbuhan

yang tidak diketahui penyebabnya (kinematics) dan bagaimana terjadinya

perubahan secara dinamik tidak ditunjukkan (flow dynamics).

Agar deteksi perubahan (change detection) pada piksel dapat diamati pada

penelitian ini digunakan resolusi temporal (waktu perekaman lebih dari satu) pada

citra. Beberapa citra dengan waktu perekaman berbeda tahun (multitemporal)

dapat memberikan informasi dinamis suatu piksel: bertahan, hidup, dan mati.

Karakter dinamis piksel terjadi akibat suatu sistem yang saling berpengaruh.

Pertumbuhan kota secara fisik dapat terjadi akibat penambahan jumlah

pada elemen ruang dan kegiatan dalam suatu sistem perkotaan yang kompleks.

Pertumbuhan kota secara fisik adalah perluasan secara horisontal maupun vertikal,

yang dapat diketahui penyebab pertumbuhannya. Saat ini, kebutuhan informasi

pertumbuhan kota yang presisi sangat mendesak bagi perencanaan kota, antara

lain: mengetahui secara dini arah pertumbuhan kota, mengetahui dengan pasti

lokasi yang berpotensi tumbuh sangat kuat, dan sebaran data variabel yang

berperan kuat dalam pertumbuhan kota. Dari informasi tersebut dapat

ditindaklanjuti dengan pengelolaan guna lahan perkotaan meliputi kebijakan dan

rencana guna lahan perkotaan.

Pertumbuhan kota-kota besar di Indonesia, khususnya Kota Surabaya

belum memiliki model pertumbuhan kota yang dapat dijadikan dasar untuk

perencanaan kota. Terlebih model pertumbuhaan kota yang dibentuk berdasarkan

data-data primer maupun lokasinya dengan waktu pengamatan yang cukup

panjang (1990-2009).

8

Penelitian terhadap pertumbuhan kota dengan memanfaatkan kedinamisan

piksel seperti pada beberapa penelitian sebelumnya menjadi celah (gap) untuk

dikembangkan lebih lanjut pada penelitian dalam disertasi ini, dengan harapan

dapat memenuhi kebutuhan informasi khususnya untuk perencanaan Kota

Surabaya.

Atas dasar keunggulan maupun kelemahan suatu metodologi yang

digunakan pada penelitian sebelumnya dipilih metode regresi, guna memperoleh

hubungan pengaruh tiap piksel, dan sekaligus menjadi dasar dalam pembentukan

modelnya. Berdasarkan nilai panjang gelombang dan pantulan (reflectance) setiap

material pada tutupan lahan, piksel-piksel dibedakan menjadi dua kelompok

yaitu; piksel yang mewakili kawasan terbangun (built up area) dan piksel

kawasan tidak terbangun (non built up area).

Hubungan kuat dan lemah sesama variabel bebas (antar piksel)

diwujudkan secara spatial (keruangan) dengan menggunakan teknologi GIS

(Geographic Information System)/ SIG (Sistem Informasi Geografis). Teknologi

GIS adalah suatu sistem yang mampu menggali, mengecek, mengintegrasikan,

memanipulasi, menganalisa, dan menampilkan data yang secara spatial

(keruangan) mereferensikan kepada kondisi bumi dengan cepat dan tepat. SIG

merupakan suatu bidang kajian ilmu dan teknologi yang relatif baru, dan banyak

digunakan oleh berbagai bidang disiplin ilmu yang selalu berkembang, bertambah

dan bervariasi.

Hasil pengembangan model pertumbuhan piksel yang merupakan fokus

pada penelitian pada program doktoral ini, memberikan informasi kuat atau

lemahnya hubungan sesama piksel yang terlibat, yang mengindikasikan

terjadinya pertumbuhan kota dengan ditunjukkan melalui perubahan pada tutupan

lahan.

Model pertumbuhan piksel yang telah terbentuk nantinya dapat digunakan

oleh perencana dan stakeholder untuk menganalisa dan mengambil keputusan

perencanaan yang berkaitan dengan pertumbuhan Kota Surabaya, misalnya;

perencanaan guna lahan, pengawasan (monitoring) guna lahan maupun

pencegahan terjadinya penyimpangan pemanfaatan lahan.

9

1.2 Perumusan Masalah, Tujuan dan Sasaran Penelitian

Fokus penelitian pada disertasi ini adalah pembentukan model

pertumbuhan piksel untuk estimasi pertumbuhan Kota Surabaya, yang merupakan

pengembangan dari penelitian yang dilakukan oleh Jun Luo (2006). Terdapat

beberapa kelemahan model pertumbuhan kota dari penelitian terdahulu, antara

lain:

tidak sesuai lagi terhadap sifat piksel yang sangat dinamis. Agar kedinamisan

piksel dapat dikenali secara halus (smooth) pada penelitian ini, dilakukan

pengamatan terhadap 5 buah citra sepanjang waktu 19 tahun dibanding yang

terdahulu yaitu, 2 buah citra dengan waktu pengamatan 10 tahun.

tidak melibatkan beberapa jenis kegiatan pada piksel (fasilitas umum dan

kerapatan kelerengan/ slope) sebagai variabel bebas (Hasyim, A.W., 1995

dalam Taufik, M., 2011) yang diduga mampu memberikan pengaruh terhadap

piksel sebagai variabel terikatnya, dan memberikan informasi hubungan kuat

dan lemahnya sesama variabel (independent variable) maupun terhadap

variabel terikatnya (dependent variable).

tidak menunjukkan sebaran data piksel sebagai variabel bebasnya yang

memberikan pengaruh kuat terhadap pertumbuhan piksel sebagai variabel

terikatnya.

diduga terdapat multikolinearitas pada model yang terbentuk, yang

melibatkan sejumlah variabel (lebih dari satu).

Pada kenyataannya variabel bebas (independent variable) yang terlibat

lebih dari satu, sangat mungkin terjadi adanya multikolinearitas pada model

regresi biasa, dan dengan melakukan uji model (nilai VIF<10) diharapkan hal

tersebut dapat dihindari. Multikolinearitas adalah kondisi terdapatnya hubungan

linier atau korelasi yang tinggi antara masing-masing variabel bebas (independent)

dalam model regresi. Multikolinearitas biasanya terjadi ketika sebagian besar

variabel yang digunakan saling terkait dalam suatu model regresi

(http://statistik4life.blogspot.com/2009/12/blog-post.html). Pemakaian variabel

bebas pada model terbaru, telah dilakukan pemisahan antara variabel yang

dilibatkan (variable entered) dan variabel tidak dilibatkan (variable removed).

10

Berpijak pada latar belakang, rangkuman masalah dan tujuan penelitian

diatas maka, pengembangan penelitian yang dimaksud pada disertasi ini diberi

judul, “Pengembangan Model Pertumbuhan Piksel Yang Berbasiskan Data

Citra Satelit Multitemporal Dan Teknologi SIG Sebagai Dasar Estimasi

Pertumbuhan Kota Surabaya”.

Secara fisik pertumbuhan piksel adalah pertumbuhan kota yang terjadi

pada tutupan lahan (land cover) yang terdeteksi dan terekam oleh sensor satelit

pada gelombang tampak (visible spectrum), dan terbaca terdapatnya perubahan

area (terbangun maupun tidak terbangun). Land cover didefinisikan sebagai

sesuatu yang menunjukkan simbol (informasi) pada permukaan lahan bumi,

bawah permukaan lahan, kegiatan dan jenis mahluk hidup, jenis lahan, topografi,

air permukaan dan air dalam tanah, dan kegiatan manusia yang diwujudkan

sebagai kawasan terbangun (built-up) (Turner, 1995 dalam Lambin, E.F., Geist

H., 2006).

Khususnya variabel bebas pada penelitian ini, dibatasi pada kumpulan

piksel yang memiliki panjang gelombang berkisar 0.4μm- 0.7μm yang mewakili

landtype area terbangun (built up area) yang diasumsikan sebagai lahan dengan

kegiatan/ bangunan, dan kumpulan piksel yang memiliki panjang gelombang

berkisar 0.4μm- 2.35μm yang mewakili area tidak terbangun (non built up area)

yang diasumsikan sebagai lahan dengan tumbuhan atau tanpa ada material

bangunan. Maka, disusun pertanyaan riset sebagai berikut,

Pengembangan model pertumbuhan piksel bagaimanakah yang

berbasis data citra satelit multitemporal dan teknologi SIG, sehingga

dapat dipergunakan sebagai dasar estimasi pertumbuhan Kota

Surabaya?

Tujuan penelitian dari pertanyaan riset diatas, adalah:

Menetapkan pemodelan pertumbuhan piksel berbasis data citra

satelit multitemporal dan teknologi SIG, sebagai dasar estimasi

pertumbuhan Kota Surabaya.

Hasil pengembangan model pertumbuhan piksel pada penelitian ini

diharapkan dapat memperkaya teknik klasifikasi pada ilmu penginderaan jauh

(remote sensing). Sedangkan bagi perencana, hasil pengembangan model

11

pertumbuhan piksel ini dapat dimanfaatkan untuk memperoleh informasi

pertumbuhan kota lebih terukur dan presisi.

Agar pemodelan ini sesuai dengan yang diharapkan, ditentukan sasaran

penelitian sebagai berikut:

1. Memperoleh model pertumbuhan piksel yang presisi dan dapat digunakan

untuk estimasi pertumbuhan Kota Surabaya.

2. Menetapkan arah pertumbuhan Kota Surabaya melalui identifikasi

karakteristik hubungan kuat atau lemahnya pengaruh sesama variabel

bebas, maupun terhadap variabel terikatnya.

3. Mengidentifikasi sebaran data piksel sebagai variabel paling berpengaruh

terhadap pertumbuhan Kota Surabaya.

1.3 Manfaat Penelitian

Hasil penelitian:

1. Bagi ilmu penginderaan jauh (remote sensing), pengembangan model

pertumbuhan piksel yang berbasis data citra satelit multitemporal dan

teknologi SIG sebagai dasar estimasi pertumbuhan Kota Surabaya adalah

menghasilkan suatu model yang dapat memberikan informasi karakteristik

masing-masing variabel bebas pada piksel, hubungan kuat dan lemahnya

pengaruh sesama variabel bebas dan terhadap variabel terikatnya,

menggali dan menyesuaikan beberapa variabel data citra satelit yang pada

model sebelumnya belum dilibatkan, pada saat proses klasifikasi.

2. Bagi perencana kota dan pengambil keputusan, penetapan model

pertumbuhan piksel ini dapat memberikan kontribusi dalam menyusun

perencanaan guna lahan perkotaan dalam menyikapi arah pertumbuhan

kota yang diharapkan.

3. Bagi peneliti lain dapat memacu penelitian lebih lanjut dengan teknologi

yang sepadan (appropriate technology).

12

1.4 Batasan Penelitian

1.4.1 Batas Wilayah Studi

Studi dilakukan di Kota Surabaya dengan pertimbangan:

1. Sebagai kota Metropolitan dengan jumlah penduduk 2.885.862 dan

memiliki kegiatan kota yang sangat beragam (Sumber: Kompas, 2008).

Merupakan kota terbesar ke-2 di Indonesia yang terletak pada 07° 21'

Lintang Selatan dan 112° 36' - 112° 54' Bujur Timur dengan luas wilayah

33.306,30 Ha.

2. Terdapat kecenderungan perubahan tutupan lahan (land cover) perkotaan

dengan cepat sebagai dampak makin beragam dan banyaknya kegiatan

diatas lahan yang ditunjukkan pada landtype.

3. Ketersediaan data yang dibutuhkan dalam masa 5 – 20 tahun kebelakang.

1.4.2 Batas / Lingkup Substansi

Pada Gambar 1.1 Kerangka Pemikiran berikut, ditetapkan ruang lingkup

kegiatan adalah; mendeteksi, menyusun, dan menganalisis dalam lingkup ilmu

penginderaan jauh dan teknologi SIG, dengan substansi sebagai berikut:

1. Menggunakan data spasial berkala dengan resolusi sedang (30m) citra

Landsat ETM+ tahun 1990-2009.

2. Pertumbuhan piksel adalah sejumlah piksel atau populasi piksel yang

mengalami perubahan nilai piksel pada arah horisontal.

3. Dilakukan pada tutupan lahan perkotaan, yang dibedakan kawasan

terbangun (built up area) termasuk perkerasan bermaterial beton, lahan

matang dan kawasan tidak terbangun (nonbuilt up area) berupa ruang

terbuka (open space), taman, sawah, tegalan, kuburan tanpa perkerasan.

13

Populasi

Piksel

Lahir Bertahan Mati

Perubahan

Land Cover

Karakter

Dinamis

Klasifikasi

SAM

Pola

(sebaran)

Piksel (t2)

Kalibrasi

site

Pemodelan

Regresi I

(All Possible

Regression)

Pemodelan

Regresi II

(Stepwise

Regression)

Variabel

terpilih

GWRGap riset S3

Gap riset S3

Pola

(sebaran)

Piksel (t1)

Model

Pertumbuhan

piksel

Lokasi dan Arah

Pertumbuhan

Piksel

Guna Lahan

Kawasan

Terbangun

(built up)

Kawasan

Tidak terbangun

(unbuilt up)Tubuh air

Kemiringan

lahan

(slope)

Sistem

transportasi

Metode

coKriging

Gambar 1.1. Kerangka Pemikiran