PENGGUNAAN CITRA RADAR SENTINEL-1 UNTUK IDENTIFIKASI ...

1

PENGGUNAAN CITRA RADAR SENTINEL-1

UNTUK IDENTIFIKASI TUTUPAN LAHAN

DI KABUPATEN PAKPAK BHARAT

SKRIPSI

YUSNIZAR VERONICA DAMANIK

141201120

DEPARTEMEN MANAJEMEN HUTAN

FAKULTAS KEHUTANAN

UNIVERSITAS SUMATERA UTARA

2018

Universitas Sumatera Utara

2




SKRIPSI

OLEH :


141201120


FAKULTAS KEHUTANAN


2018


3




SKRIPSI

Oleh :


141201120

Skripsi sebagai salah satu syarat untuk memperoleh

Gelar Sarjana Kehutanan di Fakultas Kehutanan



FAKULTAS KEHUTANAN


2018


4


5

ABSTRAK

YUSNIZAR VERONICA DAMANIK: Penggunaan Citra Radar Sentinel-1

Untuk Identifikasi Tutupan Lahan di Kabupaten Pakpak Bharat. Dibawah

bimbingan BEJO SLAMET.

Pemanfaatan penginderaan jauh aktif yang dapat menembus awan sangat

cocok untuk digunakan di daerah berawan sepanjang tahun. Citra Sentinel-1

adalah penginderaan jauh aktif yang cocok untuk identifikasi tutupan lahan di

Kabupaten Pakpak Bharat yang memiliki awan yang relatif tinggi sepanjang

tahun. Tujuan dari penelitian ini adalah untuk mengidentifikasi tutupan lahan

menggunakan citra Sentinel-1 dengan dual polarisasi VV dan VH di Kabupaten

Pakpak Bharat. Hutan, agroforestri dan perkebunan cenderung memiliki pola

hamburan balik yang seragam dibandingkan dengan permukiman, pertanian, area

terbuka, semak dan badan air. Nilai rata-rata backscatter tertinggi untuk VV dan

polarisasi VH adalah permukiman sekitar 3,772 dB dan 3,260 dB dan nilai rata-

rata terendah backscatter adalah badan air sekitar 2,564 dB dan 2,244 dB.

Kata Kunci: Hamburan Balik, Sentinel-1, Tutupan Lahan

i


6

ABSTRACT

YUSNIZAR VERONICA DAMANIK: Use of Sentinel-1 Radar Image for Land

Cover Identification in Pakpak Bharat Regency. Supervised by BEJO SLAMET.

Utilization of active remote sensing that can penetrate clouds is very

suitable for use in cloudy areas throughout the year. Sentinel-1 imagery is an

active remote sensing that is suitable for identification of land cover in Pakpak

Bharat District which has relatively high clouds throughout the year. The purpose

of this study was to identify land cover using Sentinel-1 imagery with dual

polarization VV and VH in Pakpak Bharat District. Forest, agroforestry and

plantations tend to have a uniform backscattering pattern compared to

settlements, agriculture, open area, shrubs and water bodies. The highest mean of

backscattering values for VV and VH polarization are settlements about 3.772 dB

and 3.260 dB and the lowest mean value of backscatter is water body about 2.564

dB and 2.224 dB.

Key Words: Backscatter, Land Cover, Sentinel-1

ii


7

RIWAYAT HIDUP

Penulis dilahirkan di Sibosur Kabupaten Toba Samosir pada tanggal

05 Maret 1996 dari Bapak J. Damanik dan Ibu R br. Sianturi. Penulis

merupakan putri pertama dari 4 (empat) orang bersaudara.

Penulis lulus pendidikan di SD 10336 Guntingan Dolok Ilir pada tahun 2008,

lulus pendidikan di SMP Negeri 5 Pematangsiantar pada tahun 2011, dan lulus

pendidkan di SMA Negeri 2 Pematangsiantar pada tahun 2014. Pada tahun

2014 penulis melanjutkan kuliah di Fakultas Kehutanan, Universitas

Sumatera Utara (USU) Medan melalui jalur Seleksi Bersama Masuk

Perguruan Tinggi Negeri (SBMPTN).

Penulis mengikuti kegiatan P2EH (Praktik Pengenalan Ekosistem

Hutan) di Hutan Mangrove Kampung Nipah Kecamatan Sei Nagalawan

Kabupaten Perbaungan pada tahun 2016. Pada tahun 2018 penulis

melaksanakan Praktik Kerja Lapangan (PKL) di Taman Nasional Gunung Gede

Pangrango (TNGGP) Kabupaten Cianjur, Jawa Barat. Selama perkuliahan penulis

aktif sebagai anggota HIMAS (Himpunan Mahasiswa Sylva) USU dan anggota

komunitas GORGA (Gerakan Observasi Rimbawan Giat Alam) serta anggota

UKM KMK USU.

iii


8

KATA PENGANTAR

Puji dan syukur penulis panjatkan kehadirat Tuhan Yang Maha Esa,

karena atas kasihNya penulis dapat menyelesaikan skripsi ini tepat pada

waktunya. Judul dari skripsi ini, yaitu “Penggunaan Citra Radar Sentinel-1 Untuk

Identifikasi Tutupan Lahan di Kabupaten Pakpak Bharat”.

Pada kesempatan ini penulis mengucapkan terimakasih kepada :

1. Orangtua penulis, Bapak J. Damanik dan Ibu R. Sianturi, serta ketiga

saudara penulis Dika Damanik, Juliana Damanik dan Intan Damanik.

2. Ibu Siti Latifah, S.Hut., M.Si., Ph.D selaku Dekan Fakultas Kehutanan.

3. Bapak Dr. Bejo Slamet, S.Hut., M.Si., selaku dosen pembimbing yang

telah membimbing, memberi masukan dan saran dalam penyusunan

skripsi ini.

4. Tim Penelitian Sri Erliyana Barus dan Abednego Togatorop yang

sama-sama berjuang dalam menyelesaikan skripsi ini.

5. Teman-teman Hut C Angkatan 2014 yang mendukung dalam hal

kritik, masukan dan motivasi.

6. Teman-teman Raguel, Kelompok Tumbuh Bersama Silvanuella Elkana

G4J, Kelompok Kecil Christabelle Elzira Silvanuella, Kelompok Kecil

Filadelfia Solideo yang menopang dalam doa.

7. Teman-teman pelayanan di UKM KMK USU UP FP dan Tim

Kehutanan yang tidak pernah berhenti memberi dorongan dan sharing

kepada penulis.

8. Teman-teman PKL di Taman Nasional Gunung Gede Pangrango

Cianjur Jawa Barat yang kompak dan keren.

iv


9

Penulis berharap kiranya skripsi ini dapat bermanfaat dan menjadi

sumbangan bagi ilmu pengetahuan khususnya terkait teknologi

penginderaan jarak jauh atau sistem informasi geografis. Akhir kata

penulis mengucapkan terimakasih.

Medan, Agustus 2018

Penulis

v


10

DAFTAR ISI

Halaman

ABSTRAK ..................................................................................................... i

ABSTRACT ..................................................................................................... ii

RIWAYAT HIDUP ........................................................................................ iii

KATA PENGANTAR .................................................................................... iv

DAFTAR ISI .................................................................................................. vi

DAFTAR TABEL .......................................................................................... vii

DAFTAR GAMBAR ...................................................................................... viii

DAFTAR LAMPIRAN ................................................................................... ix

PENDAHULUAN

Latar Belakang ................................................................................................ 1

Tujuan Penelitian ............................................................................................ 3

Manfaat Penelitian .......................................................................................... 3

TINJAUAN PUSTAKA

Penggunaan Lahan .......................................................................................... 4

Penginderaan Jarak Jauh ................................................................................. 5

Radar (Radio Detection and Ranging) ............................................................. 6

SAR (Synthetic Apperture Radar) ................................................................... 7

Citra Satelit Sentinel-1 .................................................................................... 8

Backscatter Value (Nilai Hamburan Balik) ..................................................... 11

METODE PENELITIAN

Waktu dan Tempat Penelitian ......................................................................... 13

Alat dan Bahan Penelitian ............................................................................... 14

Prosedur Penelitian ......................................................................................... 14

Pengumpulan data .................................................................................... 14

Pengunduhan citra .................................................................................... 15

Pengambilan data tutupan lahan di lapangan ........................................... 15

Pengambilan data pendukung ................................................................... 15

Pengolahan citra Sentinel-1 ...................................................................... 17

HASIL DAN PEMBAHASAN

Karakteristik Tutupan Lahan Secara Visual ..................................................... 19

Karakteristik Backscatter Value Untuk Masing-masing Tutupan Lahan .......... 24

KESIMPULAN DAN SARAN

Kesimpulan ..................................................................................................... 41

Saran ............................................................................................................ 41

DAFTAR PUSTAKA

LAMPIRAN

vi


11

DAFTAR TABEL

No. Halaman

1. Karakteristik Sentinel-1A Mode Perekaman IW

(Interferometric Wide Swath) ..................................................................... 10

2. Jenis dan Sumber Data yang Diperlukan Dalam Penelitian .......................... 14

3. Karakteristik Citra Sentinel-1A ................................................................... 15

4. Karakteristik Tutupan Lahan secara Visual pada Citra Sentinel-1A dengan

RGB {VV;VH;(VV+VH)/(VV-VH)} dengan Kondisi di Lapangan ............ 21

5. Karakteristik Tutupan Lahan secara Visual pada Citra Sentinel-1A dengan

RGB (VV;VH;VH-VV) dengan Kondisi di Lapangan ............................... 22

6. Nilai Backscatter pada Tutupan Lahan Hutan .............................................. 25

7. Rataan dan Koefisien Variasi Backscatter Tutupan Lahan Hutan ................ 26

8. Nilai Backscatter pada Tutupan Lahan Agroforestry ................................... 27

9. Rataan dan Koefisien Variasi Backscatter Tutupan Lahan Agroforestry ...... 28

10. Nilai Backscatter pada Tutupan Lahan Terbuka ........................................ 29

11. Rataan dan Koefisien Variasi Backscatter Tutupan Lahan Terbuka ........... 30

12. Nilai Backscatter pada Tutupan Lahan Pemukiman ................................... 31

13. Rataan dan Koefisien Variasi Backscatter Tutupan Lahan Pemukiman ..... 32

14. Nilai Backscatter pada Tutupan Lahan Perkebunan ................................... 33

15. Rataan dan Koefisien Variasi Backscatter Tutupan Lahan Perkebunan ...... 34

16. Nilai Backscatter pada Tutupan Lahan Pertanian ....................................... 35

17. Rataan dan Koefisien Variasi Backscatter Tutupan Lahan Pertanian ......... 36

18. Nilai Backscatter pada Tutupan Lahan Semak ........................................... 37

19. Rataan dan Koefisien Variasi Backscatter Tutupan Lahan Semak ............. 38

20. Nilai Backscatter pada Tutupan Lahan Badan Air ..................................... 39

21. Rataan dan Koefisien Variasi Backscatter Tutupan Lahan Badan Air ........ 40

vii


12

DAFTAR GAMBAR

No. Halaman

1. Sentinel-1 Mission Facts ............................................................................. 10

2. Peta Administrasi Kabupaten Pakpak Bharat ............................................... 13

4. Diagram Alir Pengolahan Citra Sentinel-1 .................................................. 16

5. Citra Komposit Sentinel-1A dengan RGB {VV;VH;(VV+VH)/(VV-VH)} . 20

6. Citra Komposit Sentinel-1 dengan RGB (VV;VH,VH-VV) ......................... 20

7. Nilai Rata-rata Backscatter VH dan VV Hutan ............................................ 25

8. Sebaran Nilai Tutupan Lahan Hutan ........................................................... 26

9. Nilai Rata-rata dari Backscatter VH dan VV Agroforestry .......................... 27

10. Sebaran Nilai Tutupan Lahan Agroforestry ............................................... 28

11. Nilai Rata-rata dari Backscatter VH dan VV Lahan Terbuka ..................... 29

12. Sebaran Nilai Tutupan Lahan Terbuka ..................................................... 30

13. Nilai Rata-rata dari Backscatter VH dan VV Pemukiman .......................... 31

14. Sebaran Nilai Tutupan Lahan Pemukiman ................................................. 32

15. Nilai Rata-rata dari Backscatter VH dan VV Perkebunan .......................... 33

16. Sebaran Nilai Tutupan Lahan Perkebunan ................................................. 34

17. Nilai Rata-rata dari Backscatter VH dan VV Pertanian .............................. 35

18. Sebaran Nilai Tutupan Lahan Pertanian ..................................................... 36

19. Nilai Rata-rata dari Backscatter VH dan VV Semak .................................. 37

20. Sebaran Nilai Tutupan Lahan Semak ......................................................... 38

21. Nilai Rata-rata dari Backscatter VH dan VV Badan Air ............................ 39

22. Sebaran Nilai Tutupan Lahan Badan Air ................................................... 40

viii


13

DAFTAR LAMPIRAN

No. Halaman

1. Tipe Tutupan Lahan ................................................................................... 45

2. Pengambilan Titik Koordinat Menggunakan GPS ....................................... 46

ix


1

PENDAHULUAN

Latar Belakang

Penggunaan Lahan/Tata Guna Lahan adalah suatu pengaturan/penataan

penggunaan lahan sebagai sumber daya alam baik tanah, air, iklim, hewan,

vegetasi, mineral, dan sebagainya melalui pemberdayaan sumber daya manusia,

yang berdasarkan pada data geografis maupun data biofisik yang ada. Penggunaan

lahan dapat terjadi setiap saat baik secara alamiah maupun oleh kegiatan manusia.

Adanya tekanan untuk penyediaan kebutuhan pokok (lahan pertanian dan industri)

dan pemukiman bagi penduduk yang selalu bertambah, telah menyebabkan

perubahan kondisi lahan secara signifikan. Kondisi ini akan berdampak pada

kelestarian ekosistem alami, misalnya hutan yang mengalami degradasi, terjadi

erosi tanah, terjadi banjir pada musim hujan karena daerah tangkapan air yang

kritis, rawa dikonversi menjadi pemukiman dan atau jalan

(Kastanya dan Kastanya, 2006).

Kegiatan pembangunan tidak terlepas dari kebutuhan akan sumberdaya

alam. Salah satu sumber daya alam yang mempunyai peranan penting yaitu lahan,

yang akan selalu berubah seiring dengan adanya kebutuhan. Fungsi lahan sebagai

media produksi cenderung akan berubah dalam penggunaannya seiring dengan

pertumbuhan dan perkembangan suatu wilayah (Andresi, 2014).

Lebih dari 80% atau sebesar 106.950,50 ha wilayah Kabupaten Pakpak

Bharat adalah kawasan hutan menurut SK.579/Menhut-II/2014 tentang Kawasan

Hutan di Provinsi Sumatera Utara. Perubahan penggunaan lahan dapat

diakibatkan oleh meningkatnya jumlah penduduk, pertumbuhan ekonomi dan

perkembangan teknologi yang membutuhkan ketersediaan lahan untuk memenuhi


2

kebutuhan hidup manusia. Sementara itu lahan yang ada sangat terbatas dan tidak

mungkin bertambah, sehingga terkadang dapat memaksa banyak orang untuk

menggunakan lahan semaksimal mungkin walaupun persyaratan fisik dan

lingkungan tidak memungkinkan (BPS Kabupaten Pakpak Bharat, 2016).

Salah satu metode yang digunakan untuk mengklasifikasi penggunaan

lahan ini adalah dengan memanfaatkan citra satelit yang biasa disebut dengan

penginderaan jauh (remote sensing). Penggunaan citra satelit untuk mendeteksi

penggunaan lahan cukup banyak digunakan karena memiliki resolusi temporal

yang baik dan cakupan wilayahnya yang luas. Penginderaan jauh dapat mencakup

suatu areal yang luas dalam waktu bersamaan. Penginderan jauh (remote sensing)

adalah ilmu untuk memperoleh informasi terhadap objek, daerah atau fenomena

melalui analisis dan interpretasi tanpa menyentuh langsung objek. Penginderaan

jauh telah berkembang pesat seiring dengan peningkatan kebutuhan akan

informasi. Perkembangan ini dapat dilihat dari semakin pentingnya penggunaan

penginderaan jauh bagi penyediaan informasi sumberdaya alam dan dampak

lingkungan yang ditimbulkan akibat pengelolaannya. Kemudian hasil

penginderaan jauh ini di buat dalam bentuk pemetaan sehingga menjadi suatu

sistem informasi geografis (Wirandha et al., 2015).

Ketersedian data dan informasi tentang perubahan penggunaan lahan,

kecepatan perubahan, luas dan arah perubahan serta pengenalan faktor-faktor

yang mempengaruhinya memberikan informasi yang berguna bagi perencanaan

pembangunan. Kerincian informasi akan ditentukan oleh jenis citra yang

digunakan dan skala yang diinginkan. Dengan analisis data penginderaan jauh

pada perekaman beberapa waktu berbeda dan sistem informasi geografis


3

memungkinkan perolehan data perubahan penggunaan lahan menjadi lebih cepat,

akurat dan lebih ekonomis.

Tujuan Penelitian

Tujuan penelitian ini adalah untuk mengidentifikasi tutupan lahan

menggunakan citra Radar Sentinel-1 di Kabupaten Pakpak Bharat Provinsi

Sumatera Utara.

Manfaat Penelitian

Penelitian diharapkan dapat memberikan data dan informasi terbaru serta

menjadi acuan bagi pengguna di dalam monitoring penggunaan lahan dan

perencanaan selanjutnya. Sumbangan bagi ilmu pengetahuan khususnya terkait

teknologi penginderaan jarak jauh atau sistem informasi geografis untuk

mengetahui perubahan tutupan lahan.


4

TINJAUAN PUSTAKA

Penggunaan Lahan

Lahan merupakan sumberdaya yang sangat penting, karena lahan

mempunyai sifat yang tidak dapat diperbarui. Pengelolaan yang intensif, ketepatan

tumbuh dan kepastian jangka panjang, diperlukan agar lahan dapat pulih kembali

lestari dan memberikan manfaat. Perlu dilakukan klasifikasi yang tepat agar

mampu mempertimbangkan fakta fisik, sosial, budaya, ekonomi, ekologi, rencana

pengembangan wilayah, keserasian lingkungan hidup dan kelestarian sumberdaya

pada masa kini dan masa yang akan datang serta penggunaan lahan saat ini.

Lahan merupakan sumberdaya alam yang dapat diperbaharui dan sekaligus

merupakan media lingkungan untuk memproduksi pangan, perumahan, dan lain

lain. Pertambahan jumlah penduduk yang disertai dengan meningkatnya kegiatan

pembangunan telah berakibat terjadinya pergeseran pola penggunaan lahan di

Indonesia. Sering dijumpai pola penggunaan lahan yang tidak sesuai dengan

kemampuan lahan tersebut, sehingga timbul berbagai masalah, seperti terjadinya

jutaan lahan kritis, hilangnya lahan subur, dan terjadinya pencemaran tanah.

Degradasi lahan tersebut terjadi karena peruntukan lahan/tanah yang kurang tepat,

sebagai akibat pelaksanaan yang tidak memperhatikan kaidah penataan ruang dan

kriteria kemampuan serta kesesuaian lahan. Guna menjamin pemanfaatan yang

lestari, lahan harus dikelola dengan memperhatikan keseimbangan antara aspek

konservasi dan pemanfaatannya (Sudaryono, 2002).


5

Penggunaan lahan dapat terjadi setiap saat baik secara alamiah maupun

oleh kegiatan manusia. Adanya tekanan untuk penyediaan kebutuhan pokok

(lahan pertanian dan industri) dan pemukiman bagi penduduk yang selalu

bertambah, telah menyebabkan perubahan kondisi lahan secara signifikan.

Kondisi ini akan berdampak pada kelestarian ekosistem alami, misalnya hutan

yang mengalami degradasi, terjadi erosi tanah, terjadi banjir pada musim hujan

karena daerah tangkapan air yang kritis, rawa dikonversi menjadi pemukiman dan

atau jalan (Kastanya dan Kastanya, 2006).

Penginderaan Jarak Jauh

Penginderaan jauh sebagai ilmu, teknologi dan seni untuk mendeteksi

dan/atau mengukur obyek atau fenomena di bumi tanpa menyentuh obyek itu

sendiri memerlukan kamera untuk menangkap pantulan sinar dari obyek tersebut.

Untuk itu digunakan kamera yang terpasang pada wahana ruang angkasa yang

diluncurkan ke angkasa luar dan sering disebut sebagai satelit. Dalam system

penginderaan jauh terdapat 4 komponen utama yaitu: (1) sumber energi, (2)

interaksi energi dengan atmosfer, (3) sensor sebagai alat mendeteksi informasi

dan (4) obyek yang menjadi sasaran pengamatan.

Penginderaan jauh sangat tergantung dari energi gelombang

elektromagnetik. Gelombang elektromagnetik dapat berasal dari banyak hal, akan

tetapi gelombang elektromagnetik yang terpenting pada penginderaan jauh adalah

sinar matahari. Banyak sensor menggunakan energi pantulan sinar matahari

sebagai sumber gelombang elektromagnetik, akan tetapi ada beberapa sensor

penginderaan jauh yang menggunakan energi yang dipancarkan oleh bumi dan

yang dipancarkan oleh sensor itu sendiri. Sensor yang memanfaatkan energi dari


6

pantulan cahaya matahari atau energi bumi dinamakan sensor pasif, sedangkan

yang memanfaatkan energi dari sensor itu sendiri dinamakan sensor aktif

(Syah, 2010).

Salah satu metode yang digunakan untuk mengklasifikasi penggunaan

lahan ini adalah dengan memanfaatkan citra satelit yang biasa disebut dengan

penginderaan jauh (remote sensing). Penggunaan citra satelit untuk mendeteksi

penggunaan lahan cukup banyak digunakan karena memiliki resolusi temporal

yang baik dan cakupan wilayahnya yang luas. Penginderaan jauh dapat mencakup

suatu areal yang luas dalam waktu bersamaan. Penginderan jauh (remote sensing)

adalah ilmu untuk memperoleh informasi terhadap objek, daerah atau fenomena

melalui analisis dan interpretasi tanpa menyentuh langsung objek.

Penginderaan jauh telah berkembang pesat seiring dengan peningkatan

kebutuhan akan informasi. Perkembangan ini dapat dilihat dari semakin

pentingnya penggunaan penginderaan jauh bagi penyediaan informasi sumberdaya

alam dan dampak lingkungan yang ditimbulkan akibat pengelolaannya. Kemudian

hasil penginderaan jauh ini di buat dalam bentuk pemetaan sehingga menjadi

suatu sistem informasi geografis (SIG). Sistem informasi geografis (SIG) adalah

bagian dari pada sistem informasi yang diaplikasikan untuk data geografi atau alat

database untuk analisis dan pemetaan sesuatu yang terdapat dan terjadi di bumi

(Wirandha et al., 2015).

Radar (Radio Detection and Ranging)

Radar merupakan sistem penginderaan jauh sensor aktif gelombang mikro

yang dapat dipakai pada hampir semua kondisi cuaca. Teknologi Radar sudah

berkembang sejak perang dunia kedua, yaitu untuk mengetahui posisi suatu obyek


7

(musuh) dengan melakukan pengukuran jarak dari sensor Radar ke obyek

tersebut. Prinsip sistem Radar adalah pengiriman sinyal dari antena ke suatu

obyek dan sinyal pantulnya diterima kembali oleh antena yang sama, sistem ini

juga sering disebut dengan sensor aktif. Pencitraan Radar mempunyai kelebihan,

yaitu mampu menembus awan, kabut ataupun hujan. Karena sifatnya aktif, maka

teknik ini tidak tergantung pada matahari, dan dapat dioperasikan baik siang

maupun malam. Adanya satelit yang membawa sensor Radar seperti ERS,

RADARSAT, JERS ataupun ENVISAT, membuka peluang untuk diolah secara

interferometri dengan mengolah fasa dari sinyal balik yang diterima sistim radar

pada satelit tersebut (Ismullah, 2004).

Citra Radar hanya memiliki dua band yakni layer VH dan VV sehingga

untuk interpretasi perlu menambahkan satu band sintetis untuk mendapatkan band

RGB dari suatu citra. Gelombang elektromagnetik yang dipancarkan Radar

berupa gelombang radio dan gelombang mikro. Pantulan dari gelombang yang

dipancarkan tadi digunakan untuk mendeteksi objek. Penggunaan Radar sebagai

sensor untuk melakukan penginderaan jauh kemudian semakin berkembang, Real

Aperture Radar (RAR) yang disebut juga Side Looking Airborne Radar (SLAR)

muncul. Tidak berhenti disitu, pada tahun 1970 Jet Propulsion Laboratory

melakukan penelitian untuk mengembangkan RAR menjadi SAR (Synthetic

Aperture Radar) (Haniah dan Prasetyo, 2011).

SAR (Synthetic Apperture Radar)

Data SAR (Synthetic Apperture Radar) telah banyak digunakan untuk

observasi bumi dalam berbagai aplikasinya seperti pemantauan vegetasi,

pemantauan pergerakan lempeng es, pemantauan geomorfologi, pemantauan


8

kondisi perairan dan lain lain. Data SAR banyak digunakan karena SAR juga

memiliki kelebihan, seperti SAR mampu menembus awan dimana sensor pasif

pada umumnya tidak mampu menembus awan, SAR juga merupakan sensor aktif

yang berarti tidak dipengaruhi oleh keadaan siang atau malam, akusisi data SAR

yang cepat dan ini bisa diaplikasikan untuk pemantauan yang memerlukan

temporal yang cepat, mampu menghasilkan tampilan sinoptik. Pengambilan data

SAR yang membentuk sudut memberikan perspektif yang berbeda dengan citra

vertikal pada umumnya (Septiana et al., 2017).

Klasifikasi penutup lahan menggunakan citra satelit sudah banyak

digunakan di Indonesia akan tetapi ketersediaan data citra satelit optis sering

terganggu oleh tutupan awan mengingat Indeonesia beriklim tropis. Pemetaan

penutup lahan menggunakan data satelit optis sangat bergantung dengan kondisi

cuaca dan atmosfer. Data satelit sistem radar merupakan data yang dapat

mengambil informasi spasial di bumi dan tidak dipengaruhi oleh keadaan cuaca

karena Syntetic Aperture Radar (SAR) merupakan penginderaan jauh sistem aktif

yang menggunakan gelombang mikro. Gelombang mikro lebih panjang dari

gelombang cahaya yang digunakan satelit sistem optis pada umumnya. Semakin

panjang gelombang maka kemampuan untuk menembus awan semakin besar

(Sutanto et al., 2014).

Citra Satelit Sentinel-1

Citra satelit merupakan representasi gambar dengan menggunakan

berbagai jenis panjang gelombang yang digunakan untuk mendeteksi dan

merekam energi elektromagnetik. Citra dapat diartikan sebagai gambaran yang

tampak dari suatu objek yang sedang diamati, sebagai hasil liputan atau rekaman


9

suatu alat pemantau/sensor, baik optik, elektro-optik, optik-mekanik maupun

elektromekanik. Citra memerlukan proses interpretasi atau penafsiran terlebih

dahulu dalam pemanfaatannya. Citra Satelit merupakan hasil dari

pemotretan/perekaman alat sensor yang dipasang pada wahana satelit ruang

angkasa dengan ketinggian lebih dari 400 km dari permukaan bumi

(Iskandar et al., 2016).

Kebutuhan administrasi daerah terhadap informasi penutup lahan akan

menunjang perencanaan di suatu wilayah. Penginderaan jauh merupakan media

yang dapat memantau dinamika perubahan penggunaan lahan dengan cepat dan

biaya yang relatif murah. Iklim tropis di Indonesia mengakibatkan pasokan

penguapan air menjadi tinggi sehingga muncul gangguan cuaca seperti awan, hal

tersebut merupakan hambatan bagi media penginderaan jauh sistem optis.

Dilengkapi Syntetic Aperture Radar (SAR), Sentinel-1 memuat informasi yang

lebih fleksibel dalam perolehan data karena tidak terhalang oleh gangguan awan

dan cuaca sehingga dapat digunakan untuk memperoleh informasi kondisi lahan.

Pada penelitian ini dilakukan identifikasi penggunaan lahan menggunakan data

radar Sentinel-1 dual polarisasi VV dan VH (Fathoni et al., 2017).

Satelit Sentinel 1 bekerja pada frekuensi C-Band pada panjang gelombang

5.4 cm, Right Sight yang memiliki kemampuan polarisasi tunggal dan polarisasi

ganda dan juga memiliki empat mode observasi yaitu:

1. Wave Mode: resolusi 5 meter, area cakupan 20 x 20 km

2. Extra Width Swath: resolusi 20 meter, area cakupan 400 x 400 km

3. Interferometric Wide Swath: resolusi 20 meter


10

Citra satelit Sentinel-1 adalah citra yang dihasilkan oleh satelit Sentinel-1

yang dirancang dan dikembangkan oleh ESA dan didanai oleh Komisi Eropa

(European Commission). Citra satelit sentinel-1 terdiri dari konstelasi dua satelit,

Sentinel-1A dan Sentinel-1B yang berbagi bidang orbit yang sama dengan

perbedaan 180° pada pentahapan orbital.

Gambar 1. Sentinel-1 Mission Facts

Misi dari citra ini adalah menyediakan kemampuan operasional

independen untuk pemetaan radar terus menerus dari bumi dengan frekuensi,

cakupan, ketepatan waktu dan keandalan ditingkatkan untuk layanan operasional

dan aplikasi yang memerlukan seri lama (Bona, 2017).

Penelitian ini menggunakan citra Sentinel-1A dengan menggunakan

akuisisi mode IW produk GRD. Karakteristik akuisisi mode IW Sentinel-1A dapat

dilihat pada Tabel 1.

Tabel 1. Karakteristik Sentinel-1A Mode Perekaman IW (Interferometric Wide Swath)

(Putri et al., 2018).

No. Characteristic Value

1. Swath width 250 km

2. Incidence angle range 29.1° – 46.0°

3. Azimuth Resolution 20 m

4. Ground Range Resolution 5 m

5. Azimuth and range looks Single

6. Polarization options Dual HH+HV, VV+VH

Single HH, VV

7. Maximum Noise Equivalent Sigma

Zero (NESZ)

-22 dB

8. Radiometric stability 0.5 dB (3𝜎)

9. Radiomatric accuracy 1 dB (3𝜎)

10. Phase error 5°


11

Backscatter Value (Nilai Hamburan Balik)

Identifikasi obyek pada penginderan jauh sistem SAR, lebih khususnya

SAR polarimetri, biasanya menggunakan karakteristik dari hamburan balik yang

direpresentasikan oleh nilai koefisien hamburan balik, yang dihasilkan dari

polarisasi gelombang elektromagnetik yang ditransmisikan oleh antena radar, dan

dapat berupa polarisasi sejajar atau polarisasi menyilang pada saat perekaman.

Identifikasi obyek penutup lahan pada citra SAR polarimetri secara digital

umumnya menggunakan nilai koefisien hamburan balik (σ°), yang merupakan

nilai hasil dari interaksi dua parameter yaitu parameter radar dan parameter

medan. Terdapat pula kendala yang sering terjadi pada sistem SAR polarimetri

dimana obyek-obyek yang berbeda nampak sama pada citra, maupun sebaliknya.

Nilai koefisien hamburan balik dari berbagai obyek penutup lahan, dapat menjadi

salah satu pemecah masalah ini (Prawira dan Jatmiko, 2011).

Pengolahan citra dilakukan melalui ekstraksi citra dimana nilai digital

diubah menjadi nilai backscatter sigma naught kemudian hasil kalibrasi satuannya

diubah menjadi satuan desibel (dB). Ekstraksi citra dilakukan dengan cara

mengubah nilai digital (DN) menjadi citra dengan nilai backscatter sigma naught

(σ°) yang menghasilkan nilai koefisien backscatter pada tiap piksel citra. Sigma

naught (σ°) merupakan nilai hamburan balik yang telah mengalami proses

normalisasi yang sudah sesuai dengan koordinat peta. Nilai sigma naught (σ°) ini

merepresentasikan ukuran piksel yang mengacu ke permukaan tanah

(Simarmata dan Hartono, 2014).

Untuk mendapatkan nilai koefisien intensitas hamburan balik (backscatter)

dari obyek-obyek di permukaan bumi yang menjadi target yang diterima oleh


12

sensor radar perlu dilakukan kalibrasi radiometrik. Dalam system SAR, nilai

koefisien intensitas backscatter dapat dihitung dari nilai digital citra amplitudo

dan faktor kalibrasi. Sigma naught merupakan nilai koefisien intensitas

backscatter yang dinyatakan dalam decibel (dB). Formula untuk menghitung

besar intensitas backscatter adalah sebagai berikut (Noviar dan Trisakti, 2013):

σ° (dB) = 10. Log 10 <DN2> + CF

dimana, σ° = Sigma Naught

DN = Nilai Digital Citra Amplitude dan

CF = Faktor Kalibrasi


13

METODE PENELITIAN

Waktu dan Tempat Penelitian

Penelitian ini dilaksanakan pada bulan April-Juni 2018 di Kabupaten

Pakpak Bharat, Provinsi Sumatera Utara. Wilayah administrasi Kabupaten Pakpak

Bharat dibagi ke dalam 8 kecamatan yaitu Kecamatan Salak, Kecamatan

Kerajaan, Kecamatan Tinada, Kecamatan Siempat Rube, Kecamatan Sitellu Tali

Urang Julu, Kecamatan Pergetteng Getteng Sengkut, Kecamatan Sitellu Tali

Urang Jehe, dan Kecamatan Pagindar dengan luas keseluruhan kabupaten yaitu

sebesar 1.218,30 km2. Analisis data dilakukan di Laboratorium Manajemen

Hutan, Program Studi Kehutanan, Fakultas Kehutanan, Universitas Sumatera

Utara.

Gambar 2. Peta Administrasi Kabupaten Pakpak Bharat


14

Alat dan Bahan Penelitian

Alat yang digunakan dalam penelitian ini terdiri atas alat pengambilan data

dan alat analisis data. Alat pengambilan data lapangan antara lain: GPS

(Global Positioning System), Kompas, Kamera, Forestry Pro, Phiband dan

Tally Sheet. Alat analisis data yang digunakan adalah perangkat lunak ESA SNAP

(Sentinel Toolbox), Microsoft Excel, ERDAS Imagine 9.2, ArcGIS 10.3, Google

Earth, Global Mapper dan aplikasi DNR Garmin.

Bahan yang digunakan dalam penelitian ini adalah citra satelit sentinel-1A

yang merupakan data penginderaan jauh SAR dengan waktu perekaman tanggal

29 Desember 2017, 27 Januari 2018, 27 Februari 2018, 23 Maret 2018, 28 April

2018 dan 27 Mei 2018 dengan polarisasi VH (vertical horizontal) dan VV

(vertical vertical) serta beberapa data spasial lainnya seperti peta administrasi

kawasan Kabupaten Pakpak Bharat.

Prosedur Penelitian

Pengumpulan data

Pengumpulan data pada penelitian ini terbagi menjadi pengumpulan data

langsung dan tidak langsung. Pengumpulan data langsung yaitu pengambilan titik

koordinat di lapangan dan pengumpulan data tidak langsung yaitu pengumpulan

data-data yang mendukung penelitian ini.

Tabel 2. Jenis dan Sumber Data yang Diperlukan Dalam Penelitian

No. Jenis Data Sumber Data Akuisisi Data

1. Data Lapangan (Ground

Check) berupa bentuk dan titik koordinat tutupan lahan

GPS dan Kamera Digital 2018

2. Peta Administrasi

Kabupaten Pakpak Bharat

BPS 2003

3. Citra Sentinel-1 http://scihub.copernicus.eu/. 2017, 2018


15

Pengunduhan citra

Data yang digunakan dalam penelitian ini adalah citra Sentinel-1A yang

diperoleh dengan cara mengunduh melalui website http://scihub.copernicus.eu/.

Citra yang digunakan dalam penelitian ini adalah citra dengan waktu perekaman

tanggal 29 Desember 2017, 27 Januari 2018, 27 Februari 2018, 23 Maret 2018, 28

April 2018 dan 27 Mei 2018.

Tabel 3. Karakteristik Citra Sentinel-1A No Karakteristik Citra 1 Citra 2 Citra 3 Citra 4 Citra 5 Citra 6

1. Mission Sentinel-1A Sentinel-

1A

Sentinel-1A Sentinel-1A Sentinel-

1A

Sentinel-

1A

2. Scene ID 1 2 3 4 5 6

3. Acquisition date 29-Dec-

2017

10:18:51.61

8186

27-Jan-

2018

14:30:05.5

01336

27-Feb-2018

05:07:18.39

0134

23-Mar-2018

05:11:56.4291

11

28-Apr-

2018

05:00:51.6

32257

27-May-

2018

14:21:44.

577086

4. Mode IW IW IW IW IW IW

5. Pass Direction Descending Ascending Descending Descending Descending Ascending 6. Antenna Pointing Right Right Right Right Right Right

7. Polarisation VH, VV VH, VV VH, VV VH, VV VH, VV VH, VV

8. Product Level L1 L1 L1 L1 L1 L1

9. Product Type GRD GRD GRD GRD GRD GRD

Keterangan (Scene ID) :

Citra 1 = S1A_IW_GRDH_1SDV_20171228T231208_20171228T231233_019909_021E45_DA01

Citra 2 = S1A_IW_GRDH_1SDV_20180127T114207_20180127T114232_020340_022BE0_6D27

Citra 3 = S1A_IW_GRDH_1SDV_20180226T231206_20180226T231231_020784_023A1E_B43D

Citra 4 = S1A_IW_GRDH_1SDV_20180322T231217_20180322T231242_021134_024528_3DAD

Citra 5 = S1A_IW_GRDH_1SDV_20180427T231219_20180427T231244_021659_02559D_8C93

Citra 6 = S1A_IW_GRDH_1SDV_20180527T114210_20180527T114235_022090_02634B_A85E

Pengambilan data tutupan lahan di lapangan

Data ground check diperoleh dari hasil pengamatan langsung di lapangan

meliputi dokumentasi kondisi di lapangan, marking posisi titik menggunakan

GPS, serta pendataan ke dalam tally sheet, serta identifikasi penggunaan lahan di

lapangan.


http://scihub.copernicus.eu/

16

Pengambilan data pendukung

Data pendukung merupakan data yang mendukung penelitian ini, baik dari

penelitian sebelumnya yang berhubungan, dari instansi pemerintah yang

menyediakan data- data pendukung.

Gambar 4. Diagram Alir Pengolahan Citra Sentinel-1

Corregistration

Creat Stack RGB

Add Layer

(ESRI Shapefile)

Time Series

Backscatter Value

Citra Sentinel-1

Subset Image

Calibration

Speckle Filtering

Terrain Correction

Linear ToFromdB


17

Pengolahan citra Sentinel-1

Dalam pengolahan citra sentinel, terdapat beberapa langkah pengolahan

utama (ESA, 2014):

1. Subset Image/Pemotongan Citra: Citra Sentinel-1 yang akan diolah hanya

meliputi daerah penelitian, meliputi band dual polarisasi (VV dan VH) yang

masing-masing akan diolah dan dianalisis. Oleh karena itu, terlebih dahulu

dilakukan pembuatan band sintetik selanjutnya melakukan subset atau

pemotongan citra sesuai liputan daerah penelitian. Pemotongan citra menjadi

liputan yang lebih sempit akan meringankan jalannya proses pengolahan data

pada komputer sehingga tidak berlangusng sangat lama.

2. Calibration: Hal ini dilakukan dengan melihat polarisasi dari citra sendiri yaitu

VH (vertical vorizontal) dan VV (vertical vertical) untuk menghasilkan output

sigma_0 band.

3. Speckle Filter: Operasi filtering dilakukan untuk menghilangkan speckle pada

citra dengan operator LEE sebagai filter (Arief et al., 2017). Gangguan pada

citra Radar pada umumnya berupa bercak- bercak hitam putih (speckle).

Peningkatan kualitas visual citra dapat dilakukan dengan metode filter dalam

penelitian ini menggunakan filter Lee yang didasarkan pada Minimum Mean

Square Error (MMSE) serta aspek geometrik. Filter LEE merupakan statistical

filter yang dirancang untuk menghilangkan noise, namun tetap menjaga

kualitas titik piksel dan batas tepi pada citra.

4. Terrain Correction: melibatkan DEM dan orbit file untuk memperbaiki

kesalahan-kesalahan dari SAR seperti Layover, foreshortening dan shadow

atau dimaksudkan untuk mereduksi kesalahan-kesalahan tersebut sehingga


18

representasi geometrik pada citra sesuai dengan koordinat lapangan

(Septiana et al., 2017).

5. Konversi Data: Selanjutnya nilai sigma nought (σ°) akan dikonversi ke nilai

DN (Digital Number) untuk menjadi satuan desibel (dB) yang merupakan

koefisien hamburan balik (backscatter).

Data Sentinel-1 yang digunakan berada pada level-1 Ground Range

Detected (GRD). Level GRD ini sudah terkoreksi terrain dan sudah

ditransformasi ke dalam bentuk koordinat geografik namun masih perlu dilakukan

reproyeksi citra sehingga citra mempunyai posisi yang benar. Preprocessing data

Sentinel-1 dilakukan di lingkungan perangkat lunak ESA SNAP Toolbox.

Data yang diperoleh pada data satelit Sentinel-1 berupa data amplitudo dan

intensitas dalam bentuk angka digital. Dari data tersebut dilakukan kalibrasi

sehingga didapatkan nilai hamburan balik dalam sigma naught (σº) dengan

menggunakan persamaan berikut (Cazals et al., 2016).

[𝒅𝑩] = 𝟏𝟎 ∗ 𝐥𝐨𝐠 𝟏𝟎 (𝑫𝑵𝟐/𝑨2 𝒅𝒏𝑲 ∗ 𝐬𝐢𝐧 (𝜶))

Keterangan:

𝜎0 = Koefisien hamburan balik (dB)

K = Koefisien kalibrasi

DN = Digital Number

𝛼 = Incidence Angle

A = Amplitudo


19

HASIL DAN PEMBAHASAN

Karakteristik Tutupan Lahan Secara Visual

Penelitian ini menggunakan 2 (dua) RGB dengan band sintesis yang

berbeda yaitu RGB {VV;VH;(VV+VH)/(VV-VH)} dan RGB (VV;VH;VH-VV).

Pengolahan citra Sentinel-1A dilakukan dengan tujuan agar dapat membedakan

kelas tutupan lahan pada kawasan penelitian. Proses tersebut diawali dengan

pemilihan sampel yang akan dikelaskan sesuai kenampakan pada citra. Dari

pengamatan yang diperoleh dari lapangan, ada sebanyak 141 titik koordinat yang

mewakili 8 kecamatan di kabupaten Pakpak Bharat. Berdasarkan penentuan titik

koordinat tersebut diperoleh 8 jenis tutupan lahan yang terdiri dari hutan,

agroforestry, lahan terbuka, pemukiman (urban), perkebunan, pertanian, semak

dan badan air.

Adanya perbedaan visualisasi tutupan lahan dari setiap citra yang berbeda

adalah karena setiap citra memiliki informasi nilai piksel atau nilai spektral yang

berbeda. Sehingga akan menampilkan dan mempresentasikan rona warna yang

berbeda pula. Rona warna ini digunakan sebagai acuan peneleti dalam

pengambilan keputusan untuk menentukan training area setiap kelas tutupan

lahan. Berdasarkan hasil pengamatan di lapangan, berikut visualisasi kelas tutupan

lahan pada citra dengan band sintesis yang berbeda.


20

Gambar 5. Citra Komposit Sentinel-1A dengan RGB {VV;VH;(VV+VH)/(VV-VH)}

Gambar 6. Citra Komposit RGB dengan Band Sintesis (VV;VH;VH-VV)


21

Tabel 4. Visualisasi Tutupan Lahan Citra Sentinel-1A dengan RGB

{VV;VH;(VV+VH)/(VV-VH)} dengan Kondisi di Lapangan

No. Tipe

Tutupan

Lahan

Tampilan Citra Kondisi di Lapangan Keterangan

1. Hutan

Tutupan lahan hutan

pada citra ini ditandai

dengan warna hijau tua

dan hijau keabuan

dengan pola yang cukup

beraturan

2. Agroforestry

Tutupan lahan

agroforestry pada citra

ini ditandai dengan rona

atau warna hijau muda

sampai hijau tua dengan

pola yang tidak teratur

3. Lahan

Terbuka

Tutupan lahan terbuka

pada citra menunjukkan

warna hijau tua dengan

ungu gelap dengan pola

tidak teratur

4. Pemukiman

Tutupan lahan

pemukiman memiliki

warna yang sangat

kontras dari putih

sampai ungu yang cerah

dan polanya teratur

5. Perkebunan

Tutupan lahan

perkebunan ditandai


bercampur abu-abu dan

sedikit ungu dan

polanya tidak teratur

tapi teksturnya halus


22

6. Pertanian

Tutupan lahan pertanian

hampir serupa dengan

tutupan lahan terbuka


keunguan

7. Semak

Tutupan lahan semak

belukar yang didominasi

oleh tanaman ilalang

ditandai dengan warna

abu-abu keunguan

dengan pola yang tidak

teratur

8. Badan Air

Tutupan lahan badan air

ditandai dan didominasi

oleh warna biru terang

dengan tekstur yang

kasar dan pola yang

teratur

Tabel 5. Visualisasi Tutupan Lahan Citra Sentinel-1A dengan RGB (VV;VH;VH-VV)

dengan Kondisi di Lapangan

No. Tipe

Tutupan

Lahan

Tampilan Citra Kondisi di Lapangan Keterangan

1. Hutan

Tutupan lahan hutan


dengan warna coklat

muda sampai tua dan

selain itu juga warna

biru muda dan memiliki

pola yang tidak teratur

2. Agroforestry

Tutupan lahan

agroforestry ini juga


biru muda dengan coklat

muda keabuan dan

teksturnya halus


23

3. Lahan

Terbuka

Tutupan lahan terbuka


dengan warna coklat tua

dan warna biru dan

memiliki pola yang

tidak beraturan

4. Pemukiman

Tutupan lahan

pemukiman pada citra

ini juga memiliki warna

kuning sampai oranye

yang sangat kontras

dengan pola yang teratur

5. Perkebunan

Tutupan lahan

perkebunan ditandai

dengan warna coklat

halus sedikit biru dan

polanya tidak teratur

tapi teksturnya halus

6. Pertanian

Tutupan lahan pertanian


biru muda sampai tua

dan coklat muda sampai

tua dengan pola yang

tidak beraturan

7. Semak

Tutupan lahan semak

belukar didominasi oleh

rona atau warna coklat

muda sampai tua dan

polanya cukup teratur

8. Badan Air

Tutupan lahan badan air

ini ditandai dan

didominasi oleh warna

biru terang dengan

tekstur yang kasar dan

pola yang teratur


24

Secara visual tidak ditemukan adanya warna spesifik yang menunjukkan

tipe tutupan lahan tertentu. Kondisi ini terjadi baik pada RGB

{VV;VH;(VV+VH)/(VV-VH)} maupun pada RGB (VV;VH;VH-VV). Masing-

masing tipe tutupan lahan memiliki visualisasi tersendiri yang dapat dilihat

melalui warna piksel pada citra dan gambar yang diperoleh dari lapangan melalui

titik koordinat.

Karakteristik Nilai Hamburan Balik (Backscatter Value) Untuk Masing-

masing Tutupan Lahan

Nilai hamburan balik (backscatter) memiliki variasi yang tinggi baik

dalam satu tipe tutupan lahan maupun antar tutupan lahan. Hal ini ditunjukkan

oleh nilai standar deviasi dan koefisien variasi dari Average ROI (Region Of

Interest) setiap tipe tutupan lahan yang dianalisis (Gambar 6 dan Tabel 7).

Menurut Zulkarnain et al., (2016), semakin kasar permukaan vegetasi akan

mendapatkan tone (citra) yang semakin cerah dan backscatter yang dihasilkan

semakin tinggi.

Struktur lapisan vegetasi yang berbeda mempengaruhi intensitas signal

backscatter radar. Untuk hutan basah hamburan balik kadang kala didominasi

oleh bagian atas pohon tinggi saja (over story of dominant tree species) atau

kadang kala didominasi oleh pohon pendamping seperti semak dan rumputan

yang berada di bawah pohon (ground layer of herbaceous plants). Oleh karena

itu, signal radar yang mengenai hutan lebat, dihamburkan oleh permukaan kanopi,

dan sebagian kecil dari energi dikembalikan ke antena (Wang, 2010).


25

Hutan

Tutupan lahan hutan didominasi oleh tumbuhan berkayu seperti pohon-

pohon hutan alam dengan kerapatan yang tinggi. Hutan memiliki keadaan

lingkungan yang berbeda di luar hutan.

Tabel 6. Nilai Backscatter pada Tutupan Lahan Hutan Hutan Mean VH (dB) STD VH (dB) Mean VV (dB) STD VV (dB)

Desember -13.942 3.080 -8.137 3.448

Januari -13.444 3.172 NaN NaN

Februari -13.971 3.071 NaN NaN

Maret -13.848 3.078 -8.181 3.408

April -14.002 3.072 -8.209 3.435

Mei -13.363 3.189 -7.578 3.676

Gambar 7. Nilai Rata-rata Backscatter VH dan VV Hutan

Nilai hamburan balik dari tutupan lahan hutan baik VH maupun VV dari

bulan Desember 2017 sampai bulan Mei 2018 berbeda-beda. Hal ini terjadi karena

intensitas signal yang ditangkap sensor yang disebut koefisien backscatter (σ°) in

decibels (dB) diakibatkan oleh bermacam konfigurasi. Berbagai polarisasi dan

sudut datang mengakibatkan permukaan yang sama akan menghasilkan koefisien

backscatter yang berbeda. Interaksi antara radiasi dan sifat internal

pohon/permukaan objek akan menghasilkan signal backscatter tertentu. Artinya,

signal backscatter akan dipengaruhi oleh komponen internal dan eksternal objek.

Misalnya, kadar air yang mempengaruhi konstanta dielektrik bahan, struktur sel


26

serta komponen eksternal lain yang dipengaruhi mekanisme signal tersebut

dihamburkan. Misalnya ukuran, geometri, dan orientasi daun, batang, cabang,

serta udara atau akar panggung (Arief et al., 2017).

Tabel 7. Rataan dan Koefisien Variasi Backscatter Tutupan Lahan Hutan Untuk Masing-

Masing Bulan Hutan Total

Pixel

Max Min Rataan Median Koef.

Variasi

Max

Error

Desember 2017 939977 4.522 -22.718 -8.359 -8.402 -0.426 0,027

Maret 2018 939978 4.917 -23.787 -8.374 -8.459 -0.420 0.028 April 2018 939978 5.464 -23.051 -8.406 -8.479 -0.420 0.028

Mei 2018 939978 7.135 -23.149 -7.198 -7.159 -0.527 0.030

Gambar 8. Sebaran Nilai Tutupan Lahan Hutan a) Desember 2017, b) Maret 2018, c)

April 2018, d) Mei 2018

Nilai koefisien variasi tutupan lahan hutan yaitu sekitar -0,4 dan nilai

rataan (mean) sebesar -8,3 dB. Nilai standar deviasinya lebih tinggi dari tutupan

lahan lainnya yaitu sebesar 3.07 dB. Hal ini menunjukkan bahwa hutan memiliki

keanekaragaman variasi yang tinggi (heterogen). Hutan memiliki vegetasi yang


27

beragam baik dari jenis-jenisnya, strata dari tumbuhan, ketinggian vegetasi dan

sebagainya. Menurut Utomo et al., (2017), untuk mengetahui seberapa besar

variasi data dari hasil yang diperoleh yaitu menggunakan nilai dari standar

deviasi, karena nilai ini linear terhadap data awal yang diperoleh.

Agroforestry

Tutupan lahan agroforestry merupakan sistem penggunaan lahan yang

mengkombinasikan tanaman kehutanan dengan tanaman pertanian. Selain itu ada

juga yang dikombinasikan dengan peternakan unggas dan kolam ikan.

Tabel 8. Nilai Backscatter pada Tutupan Lahan Agroforestry Agroforestry Mean VH (dB) STD VH (dB) Mean VV (dB) STD VV (dB)

Desember -13.723 2.508 -8.036 2.783



Maret -13.625 2.506 -8.072 2.764

April -13.928 2.541 -8.181 2.797

Mei -13.667 2.615 -8.022 3.008

Gambar 9. Nilai Rata-rata dari Backscatter VH dan VV Agroforestry

Nilai backscatter pada tutupan lahan agroforestry lebih rendah

dibandingkan dengan tutupan lahan hutan baik dari nilai VH maupun nilai VV.

Nilai hamburan balik dari bulan Desember 2017 sampai pada bulan Mei 2018

cukup stabil (Gambar 9). Simarmata dan Hartono (2014) menyatakan bahwa nilai

backscatter obyek vegetasi pada topografi kasar cenderung lebih tinggi daripada


28

topografi datar. Tetapi nilai backscatter obyek yang berada dibelakang lerengnya

akan sangat kecil karena tidak memantulkan energi sama sekali.

Tabel 9. Rataan dan Koefisien Variasi Backscatter Tutupan Lahan Agroforestry Untuk

Masing-Masing Bulan Agroforestry Total

Pixel


Variasi

Max

Error

Desember 2017 999 -2.684 -14.200 -8.568 -8.607 -0.260 0.011

Maret 2018 999 -0.812 -13.474 -8.349 -8.385 -0.241 0.012 April 2018 999 -2.577 -15.715 -8.291 -8.236 -0.240 0.013

Mei 2018 999 -4.324 -14.516 -8.442 -8.399 -0.236 0.010

Gambar 10. Sebaran Nilai Tutupan Lahan Agroforestry a) Desember 2017, b) Maret

2018, c) April 2018, d) Mei 2018

Tutupan lahan agroforestry, memiliki piksel sebanyak 999 yang mewakili

tutupan lahan agroforestry pada kabupaten Pakpak Bharat. Nilai rata-rata (mean)

dan juga nilai tengah (median) yaitu sekitar -8,4 dB dengan nilai koefisien variasi

sebesar -0,2 dB. Artinya tutupan lahan agroforestry juga heterogen atau memiliki


29

variasi data yang beragam terutama dari jenis-jenis vegetasi. Sebaran nilai

keseluruhan yang diperoleh berbeda-beda dengan tutupan lahan lain. Hal ini

karena disesuaikan dengan banyaknya geometry pada tutupan lahan.

Lahan Terbuka

Tutupan lahan terbuka pada daerah penelitian yaitu lahan kosong, lahan

yang baru dibakar (pembersihan lahan). Lahan terbuka yang juga ditemukan

adalah kawasan yang belum ditanami atau hanya ditumbuhi oleh rumput.

Tabel 10. Nilai Backscatter pada Tutupan Lahan Terbuka Lahan Terbuka Mean VH (dB) STD VH (dB) Mean VV (dB) STD VV (dB)

Desember -13.957 2.061 -8.432 2.354



Maret -13.938 2.066 -8.522 2.332

April -14.234 2.111 -8.649 2.393

Mei -13.984 2.223 -8.599 2.511

Gambar 11. Nilai Rata-rata dan Standar Deviasi dari Backscatter VH dan VV Tutupan

Lahan Terbuka

Nilai backscatter pada tutupan lahan terbuka dari nilai rata-rata (mean)

polarisasi VH lebih rendah pada bulan Januari dan bulan April yaitu -14 dB. Nilai

standar deviasi sebesar 2,1 dB dan nilai hamburan balik baik rataan maupun

standar deviasi dengan polarisasi VV lebih tinggi daripada polarisasi VH. Hal ini

ditunjukkan dengan citra yang ditampilkan pada tutupan lahan terbuka agak gelap

yang menunjukkan obyek tersebut cenderung memiliki topografi datar.


30

Tabel 11. Rataan dan Koefisien Variasi Backscatter Tutupan Lahan Terbuka Untuk

Masing-Masing Bulan Lahan Terbuka Total

Pixel


Variasi

Max

Error

Desember 2017 1315 -3.932 -14.133 -9.426 -9.472 -0.192 0.010

Maret 2018 1315 -0.812 -14.834 -9.682 -9.681 -0.204 0.014

April 2018 1315 -1.773 -15.516 -10.162 -10.08 -0.192 0.013 Mei 2018 1315 -2.543 -14.599 -9.225 -9.357 -0.240 0.012

Gambar 12. Sebaran Nilai Tutupan Lahan Terbuka a) Desember 2017, b) Maret 2018,

c) April 2018, d) Mei 2018

Sebaran nilai tutupan lahan terbuka, diperoleh jumlah pikselnya sebanyak

1315 piksel. Nilai rata-rata (mean) dan juga nilai tengah (median) pada tutupan

lahan ini lebih rendah pada bulan April 2018 yaitu sekitar -10 dB. Nilai dari

koefisien variasi yang diperoleh juga rendah dan nilai mengumpul pada rataan.

Artinya data di lapangan tidak bervariasi atau homogen karena tutupan lahan

terbuka pada penelitian ini adalah lahan kosong dan kawasan yang belum

ditanami.


31

Pemukiman

Tutupan lahan pemukiman merupakan kawasan yang sudah terbangun

berupa perumahan, sekolah, maupun perkantoran. Titik koordinat yang diperoleh

untuk data pemukiman tidak banyak namun sudah mewakili untuk setiap daerah.

Tabel 12. Nilai Backscatter pada Tutupan Lahan Pemukiman Pemukiman Mean VH (dB) STD VH (dB) Mean VV (dB) STD VV (dB)

Desember -13.906 3.197 -8.134 3.553



Maret -13.826 3.191 -8.175 3.514

April -13.964 3.182 -8.196 3.537

Mei -13.392 3.260 -7.600 3.772

Gambar 13. Nilai Rata-rata dan Standar Deviasi dari Backscatter VH dan VV Pemukiman

Nilai hamburan balik pada tutupan lahan pemukiman lebih tinggi daripada

nilai hamburan balik pada tipe tutupan lahan lain. Baik untuk polarisasi VH

maupun pada polarisasi VV. Nilai rataan dengan polarisasi VH dari bulan

Desember 2017 sampai bulan Mei 2018 cukup konsisten yaitu sekitar -13,8 dB.

Nilai rataan dengan polarisasi VV lebih tinggi pada bulan Mei 2018 yaitu sebesar

-7,6 dB. Nilai standar deviasi untuk polarisasi VH maupun polarisasi VV sama-

sama tinggi pada bulan Mei 2018 yaitu sekitar 3,7 dB. Hal ini ditunjukkan degan

visualisasi citra tutupan lahan pemukiman dari kedua RGB juga menunjukkan

tone yang cerah.


32

Tabel 13. Rataan dan Koefisien Variasi Backscatter Tutupan Lahan Pemukiman Untuk

Masing-Masing Bulan Pemukiman Total

Pixel


Variasi

Max

Error

Desember 2017 2738 13.691 -13.863 -5.031 -5.569 -0.641 0.027

Maret 2018 2738 13.876 -12.857 -4.835 -5.211 -0.661 0.026

April 2018 2738 14.011 -12.031 -5.017 -5.494 -0.656 0.026 Mei 2018 2738 17.279 -13.998 -5.221 -6.179 -0.831 0.031

Gambar 14. Sebaran Nilai Tutupan Lahan Pemukiman a) Desember 2017, b) Maret 2018,

c) April 2018, d) Mei 2018

Nilai dari koefisien variasi tutupan lahan pemukiman sebesar -0.69. Nilai

standar deviasi pada tipe tutupan lahan ini lebih tinggi dibandingkan dengan tipe

tutupan lahan lainnya. Artinya sebaran data tidak mengumpul pada rataan. Hal ini

menunjukkan adanya variasi dan keanekaragaman yang tinggi (heterogen) pada

tutupan lahan tersebut. Bramdito dan Jatmiko (2017), menyatakan bahwa penutup

lahan yang dominan pada citra adalah lahan terbangun.


33

Perkebunan

Tutupan lahan perkebunan didominasi oleh kebun sawit, kebun jagung,

kebun jeruk, kebun gambir serta kebun karet yang luasnya cukup besar. Pada

lokasi penelitian, banyak kawasan perkebunan yang menjadi mata pencaharian

masyarakat.

Tabel 14. Nilai Backscatter pada Tutupan Lahan Perkebunan Perkebunan Mean VH (dB) STD VH (dB) Mean VV (dB) STD VV (dB)

Desember -13.921 3.024 -8.189 3.370



Maret -13.857 3.020 -8.238 3.335

April -14.010 3.017 -8.275 3.362

Mei -13.432 3.097 -7.677 3.580

Gambar 15. Nilai Rata-rata dan Standar Deviasi dari Backscatter VH dan VV Perkebunan

Nilai backscatter pada tutupan lahan perkebunan untuk nilai rata-rata

polarisasi VH lebih rendah di bulan bulan April yaitu sebesar -14,01 dB. Nilai

rata-rata polarisasi VV lebih rendah pada bulan Mei yaitu sebesar -7,6 dB. Nilai

standar deviasi dengan polarisasi VH maupun polarisasi VV pada tutupan lahan

perkebunan lebih rendah dari tutupan lahan pemukiman. Namun dari nilai yang

diperoleh hampir sama dari kedua tipe tutupan lahan tersebut.


34

Tabel 15. Rataan dan Koefisien Variasi Backscatter Tutupan Lahan Perkebunan Untuk

Masing-Masing Bulan Perkebunan Total

Pixel


Variasi

Max

Error

Desember 2017 20755 0.029 -16.040 -7.798 -7.788 -0.276 0.016

Maret 2018 20755 0.200 -17.003 -7.931 -7.834 -0.285 0.017

April 2018 20755 0.336 -16.304 -7.997 -7.957 -0.277 0.016 Mei 2018 20755 8.603 -19.790 -8.464 -8.508 -0.294 0.028

Gambar 16. Sebaran Nilai Tutupan Lahan Perkebunan a) Desember 2017, b) Maret 2018,

c) April 2018, d) Mei 2018

Tutupan lahan perkebunan memiliki jumlah piksel sebanyak 20755 dan

jumlah piksel terbanyak kedua setelah tutupan lahan hutan. Nilai rata-rata (mean)

dan juga nilai tengah (median) pada tutupan lahan ini cukup konsisten pada bulan

Desember 2017 sampai bulan April 2018 yaitu sekitar -7,8 dB. Namun pada bulan

Mei 2018 berubah menjadi -8,4 dB. Nilai koefisien variasinya diperoleh sekitar

-0,2 pada semua bulan dan cukup tinggi dibanding tipe tutupan lahan lain. Hal ini


35

juga menunjukkan bahwa tutupan lahan perkebunan juga memiliki variasi data

yang beragam dan heterogen.

Pertanian

Tutupan lahan pertanian didominasi oleh tanaman pertanian yaitu sawah.

Selain itu, tutupan lahan pertanian adalah lahan yang ditanami padi darat atau padi

siap tanam, cabai-cabaian, serta tanaman obat.

Tabel 16. Nilai Backscatter pada Tutupan Lahan Pertanian Pertanian Mean VH (dB) STD VH (dB) Mean VV (dB) STD VV (dB)

Desember -13.761 2.600 -8.106 2.891



Maret -13.699 2.600 -8.158 2.874

April -13.962 2.623 -8.257 2.901

Mei -13.665 2.700 -8.042 3.120

Gambar 17. Nilai Rata-rata dan Standar Deviasi dari Backscatter VH dan VV Pertanian

Nilai hamburan balik pada tutupan lahan pertanian untuk nilai rata-rata

dan standar deviasi polarisasi VH dan polarisasi VV terlihat cukup konsisten.

Nilai rata-rata (mean) dari semua bulan yaitu sekitar -13,7 dB pada polarisasi VH

dan sekitar -8,1 dB pada polarisasi VV. Nilai standar deviasi sekitar 2,6 pada

polarisasi VH dan sekitar 2,9 dB pada polarisasi VV. Hal ini ditunjukkan dengan

citra pada tutupan lahan pertanian agak gelap yang artinya obyek tersebut

cenderung memiliki topografi datar.


36

Tabel 17. Rataan dan Koefisien Variasi Backscatter Tutupan Lahan Pertanian Untuk

Masing-Masing Bulan Pertanian Total

Pixel


Variasi

Max

Error

Desember 2017 6775 -3.309 -15.598 -9.244 -9.242 -0.184 0.012

Maret 2018 6775 -3.945 -17.003 -9.410 -9.307 -0.205 0.013

April 2018 6775 -3.331 -17.084 -9.847 -9.797 -0.199 0.013 Mei 2018 6775 8.603 -17.287 -9.090 -9.090 -0.228 0.025

Gambar 18. Sebaran Nilai Tutupan Lahan Pertanian a) Desember 2017, b) Maret 2018, c)

April 2018, d) Mei 2018

Tutupan lahan pertanian memiliki jumlah piksel sebanyak 6775 piksel.

Nilai rata-rata (mean) dan juga nilai tengah (median) pada tutupan lahan ini yaitu

sekitar -9 dB. Nilai dari koefisien variasi yang diperoleh sekitar -0,2 yaitu nilai

yang lebih tinggi dari nilai rataannya. Hal ini menyatakan bahwa nilai standar

deviasinya berbanding lurus dengan nilai koefisien variasi. Nilai yang diperoleh

tidak mengumpul pada rataan. Data di lapangan menunjukkan adanya variasi dan

keanekaragaman yang tinggi (heterogen) pada tutupan lahan ini.


37

Semak

Tutupan lahan semak didominasi oleh tanaman liar yang tumbuh secara

alami. Contohnya adalah ilalang yang luasnya cukup besar, tumbuhan-tumbuhan

paku dan tumbuhan-tumbuhan liar yang menjalar.

Tabel 18. Nilai Backscatter pada Tutupan Lahan Semak Semak Mean VH (dB) STD VH (dB) Mean VV (dB) STD VV (dB)

Desember -13.947 2.984 -8.178 3.321



Maret -13.850 2.985 -8.218 3.285

April -14.025 2.980 -8.257 3.314

Mei -13.434 3.043 -7.675 3.516

Gambar 19. Nilai Rata-rata dan Standar Deviasi dari Backscatter VH dan VV Semak

Nilai hamburan balik rataan (mean) pada tutupan lahan semak polarisasi

VH berbeda pada bulan April yaitu sekitar -14,02 dB. Namun nilai rata-rata

(mean) pada polarisasi VV berbeda pada bulan Mei yaitu sekitar -7,67 dB. Nilai

standar deviasi pada polarisasi VH berbeda pada bulan Januari dan bulan Mei

yaitu sekitar 3,03 dB. Sedangkan nilai standar deviasi pada polarisasi VV tidak

terlalu berubah atau cukup konsisten yaitu sekitar 3,3 dB pada setiap bulannya.


38

Tabel 19. Rataan dan Koefisien Variasi Backscatter Tutupan Lahan Semak Untuk

Masing-Masing Bulan Semak Total

Pixel

Max Min Mean Rataan Koef.

Variasi

Max

Error

Desember 2017 3197 -0.147 -15.852 -8.257 -8.321 -0.289 0.015

Maret 2018 3197 -0.554 -15.645 -8.473 -8.615 -0.279 0.015

April 2018 3197 -1.475 -14.572 -8.365 -8.426 -0.288 0.013 Mei 2018 3197 -1.514 -17.420 -8.633 -8.523 -0.269 0.015

Gambar 20. Sebaran Nilai Tutupan Lahan Semak a) Desember 2017, b) Maret 2018, c)

April 2018, d) Mei 2018

Tutupan lahan semak memiliki jumlah piksel sebanyak 3197 piksel. Nilai

rata-rata (mean) dan juga nilai tengah (median) pada tutupan lahan ini yaitu

sekitar -8 dB. Nilai dari koefisien variasi yang diperoleh sekitar -0,2 yaitu nilai

yang lebih tinggi dari nilai rataannya. Hal ini menunjukkan nilai standar

deviasinya berbanding lurus dengan nilai koefisien variasi. Artinya bahwa nilai

tidak mengumpul pada rataan. Data di lapangan menunjukkan adanya variasi dan

keanekaragaman yang tinggi (heterogen) pada tutupan lahan semak.


39

Badan Air

Tutupan lahan badan air merupakan kawasan yang berupa aliran air. Pada

lokasi penelitian badan air yang ditemukan adalah sungai-sungai kecil.

Tabel 20. Nilai Backscatter pada Tutupan Lahan Badan Air Badan Air Mean VH (dB) STD VH (dB) Mean VV (dB) STD VV (dB)

Desember -13.715 2.140 -8.121 2.397



Maret -13.687 2.150 -8.215 2.381

April -14.005 2.198 -8.334 2.439

Mei -13.991 2.242 -8.519 2.564

Gambar 21. Nilai Rata-rata dan Standar Deviasi dari Backscatter VH dan VV Badan Air

Nilai hamburan balik pada tutupan lahan badan air pada polarisasi VV

lebih tinggi daripada polarisasi VH. Sesuai dengan nilai rata-rata (mean) maupun

dari nilai standar deviasinya. Nilai-nilai tersebut menunjukkan semakin tinggi

nilai backscatter maka objek akan semakin cerah dan semakin rendah nilainya

maka objek semakin gelap dan tidak dapat diinterpretasi. Nilai backscatter yang

tinggi pada vegetasi dengan rona yang cerah akibat adanya diffuse reflection

(pantulan menyebar). Sementara objek badan air memberikan rona agak gelap dan

warna yang tidak cerah akibat terjadinya specular reflection (pantulan cermin).

Tabel 21. Rataan dan Koefisien Variasi Backscatter Tutupan Lahan Badan Air Untuk

Masing-Masing Bulan Badan Air Total

Pixel


Variasi

Max

Error

Desember 2017 182 -1.925 -17.301 -9.470 -9.113 -0.310 0.015

Maret 2018 182 -1.745 -17.302 -9.362 -9.166 -0.311 0.015


40

April 2018 182 -3.246 -18.223 -9.682 -9.244 -0.284 0.015

Mei 2018 182 -1.427 -16.334 -9.703 -10.282 -0.318 0.014

Gambar 22. Sebaran Nilai Tutupan Lahan Badan Air a) Desember 2017, b) Maret 2018,

c) April 2018, d) Mei 2018

Tutupan lahan badan air memiliki jumlah piksel sebanyak 182 piksel dan

merupakan total piksel yang paling sedikit dari semua tipe tutupan lahan. Hal ini

terjadi karena geometry untuk tutupan lahan air sedikit. Data di lapangan

menunjukkan luasannya juga kecil dan untuk titik koordinat badan air yang

diperoleh dari lapangan juga tidak banyak. Nilai rata-rata (mean) pada tipe

tutupan lahan ini yaitu sekitar -9 dB. Nilai tengah (median) berbeda pada bulan

Mei yaitu sebesar -10,2 dB. Nilai dari koefisien variasi yang diperoleh sekitar

-0,3. Hal ini menunjukkan nilai tidak mengumpul pada rataan dan data di

lapangan menunjukkan adanya variasi dan keanekaragaman juga tinggi

(heterogen).


41

KESIMPULAN DAN SARAN

Kesimpulan

Hasil penelitian ini belum menunjukkan adanya pola yang jelas antara

rataan backscatter dengan tipe tutupan lahan. Nilai hamburan balik (backscatter)

untuk polarisasi VV dan VH yang tertinggi secara berurutan adalah tutupan lahan

pemukiman sebesar 3,772 dB dan 3,260 dB serta hutan sebesar 3,676 dB dan

3,189 dB, sedangkan nilai hamburan balik (backscatter) terendah adalah tutupan

lahan badan air sebesar 2,564 dB dan 2,242 dB serta lahan terbuka sebesar

2,514 dB dan 2,223 dB.

Saran

Perlu dilakukan penelitian lebih lanjut tentang pengolahan citra Sentinel-1

untuk mendapatkan tipe tutupan lahan dengan citra komposit yang beragam.


42

DAFTAR PUSTAKA

Andresi B. 2014. Pemetaan Perubahan Penggunaan Lahan Kecamatan Sausu

Kabupaten Parigi Moutong Tahun 2007 dan 2013. E-Journal Geo-

Tadulako Untad. 2(1): 6-7.

Arief M, Anggraini N, Adawiah SW, Hartuti M, Suwargana N. 2017. Aplikasi

Data Satelit Radar Sentinel-1A Guna Deteksi Hutan Mangrove (Studi

Kasus: Segara Anakan, Kabupaten Cilacap). Seminar Nasional

Penginderaan Jauh ke-4. 278-281.

Bona DS. 2017. Klasifikasi Terbimbing Tutupan Lahan Pulau Biak Menggunakan

Citra SAR Sentinel-1 Polarisasi Ganda. Seminar Nasional Penginderaan

Jauh ke-4. 217-223.

[BPS] Badan Pusat Statistik Kabupaten Pakpak Bharat. 2016. Kabupaten Pakpak

Bharat Dalam Angka 2016. Salak.

Bramdito VC, Jatmiko RH. 2017. Support Vector Machine Untuk Klasifikasi

Penutup Lahan Menggunakan Citra RADARSAT 2 dengan Dual

Polarisasi HH-HV. Jurnal Bumi Indonesia. 6(1): 2-8.

Cazals C, Rapinel S, Frison P-L, Bonis A, Mercier G et al. 2016. Mapping and

Characterization of Hydrological Dynamics in A Coastal Marsh Using

High Temporal Resolution Sentinel-1A Images. Remote Sensing. 8(7):

570.

Fathoni MN, Chulafak GA, Kushardono D. 2017. Kajian Awal Pemanfaatan Data

Radar Sentinel-1 untuk Pemetaan Lahan Baku Sawah di Kabupaten

Indramayu Jawa Barat. Seminar Nasional Penginderaan Jauh ke-4 181-

183.

Haniah, Prasetyo Y. 2011. Pengenalan Teknologi Radar Untuk Pemetaan Spasial

di Kawasan Tropis. Jurnal Teknik. 32(2): 155-156.

Iskandar F, Awaluddin M, Yuwono BD. 2016. Analisis Kesesuaian Penggunaan

Lahan Terhadap Rencana Tata Ruang/wilayah Di Kecamatan Kutoarjo

Menggunakan Sistem Informasi Geografis. Jurnal Geodesi Undip. 5(1): 1-

7.

Ismullah IH. 2004. Pengolahan Fasa untuk Mendapatkan Model Tinggi

Permukaan Dijital (DEM) pada Radar Apertur Sintetik Interferometri

(INSAR) Data Satelit. PROC. ITB Sains & Teknologi. 36 A(1): 11-32.

Kastanya A, Kastanya P. 2006. Klasifikasi Penutupan/Penggunaan Lahan

Menggunakan Data Citra Satelit di Kabupaten Halmahera Utara. Jurnal

Agroforestry. 1(2): 1-2.


43

Noviar H, Trisakti B. 2013. Pemanfaatan Kanal Polarisasi dan Kanal Tekstur data

Pisar-l2 untuk Klasifikasi Penutup Lahan Kawasan Hutan dengan Metode

Klasifikasi Terbimbing. Jurnal Penginderaan Jauh 10(1): 47-58.

Prawira D, Jatmiko RH. 2011. Analisis Koefisien Nilai Hamburan Balik Obyek

Penutup Lahan Pada Data Digital Alos Palsar Berpolarisasi Ganda (HH

dan HV) di Sebagian Jakarta dan Tangerang. Jurnal Geomatika. 17(2):

111-114.

Putri DR, Sukmono A, Sudarsono B. 2018. Analisis Kombinasi Citra Sentinel-1A

dan Citra Sentinel-2A Untuk Klasifikasi Tutupan Lahan (Studi Kasus:

Kabupaten Demak, Jawa Tengah). Jurnal Geodesi Undip. 7(2): 85-96.

Septiana B, Wijaya AP, Suprayogi A. 2017. Analisis Perbandingan Hasil

Orthorektifikasi Metode Range Doppler Terrain Correction Dan Metode

SAR Simulation Terrain Correction Menggunakan Data Sar Sentinel–1.

Jurnal Geodesi Undip. 6(1): 148-157.

Simarmata N, Hartono SHM. 2014. Karakterisktik Backscatter Citra Alos Palsar

Polarisasi HH dan HV Terhadap Parameter Biofisik Hutan di Sebagian

Taman Nasional Kerinci Seblat. Journal of Science and Applicative

Technology. 115-119.

Sudaryono. 2002. Pengelolaan Daerah Aliran Sungai (DAS) Terpadu, Konsep

Pembangunan Berkelanjutan. Jurnal Teknologi Lingkungan. 3(2): 153-

158.

Sutanto A, Trisakti B, Arimurthy AM. 2014. Perbandingan Klasifikasi Berbasis

Obyek dan Klasifikasi Berbasis Piksel Pada Data Citra Satelit Synthetic

Aperture Radar Untuk Pemetaan Lahan. Jurnal Penginderaan Jauh 11(1):

63-75.

Syah AF. 2010. Penginderaan Jauh dan Aplikasinya di Wilayah Pesisir dan

Lautan. Jurnal Kelautan: Indonesian Journal of Marine Science and

Technology. 3(1): 18-28.

Utomo AW, Suprayogi A, Sasmito B. 2017. Analisis Hubungan Variasi Land

Surface Temperature Dengan Kelas Tutupan Lahan Menggunakan Data

Citra Satelit Landsat (Studi Kasus: Kabupaten Pati). Jurnal Geodesi

Undip. 6(2): 71-80.

Wirandha FS, Marwan, Nizamuddin. 2015. Klasifikasi Penggunaan Lahan

Menggunakan Citra Satelit Spot-6 di Kabupaten Aceh Barat Daya Dan

Aceh Besar. Seminar Nasional dan Expo Teknik Elektro. 102-104.

Wang Y. 2010. Remote Sensing Of Coastal Environments. Indiana State

University Terre Haute, Indiana, U.S.A. CRC Press.


44

Zulkarnain, Marwah S, Sartika L. 2016. Sebaran Stok Karbon Vegetasi

Mangrove di Wilayah Pesisir Kecamatan Lainea Kabupaten Konawe

Selatan Melalui Analisis Backscatter Citra Satelit Radar Alos Palsar L-

Band. Ecogreen. 2(2): 97 – 105.


45

LAMPIRAN

Lampiran 1. Tipe Tutupan Lahan

Tutupan Lahan Hutan Tutupan Lahan Agroforestry

Tutupan Lahan Terbuka Tutupan Lahan Pemukiman

Tutupan Lahan Perkebunan Tutupan Lahan Pertanian


46

Tutupan Lahan Semak Tutupan Lahan Badan Air

Lampiran 2. Pengambilan Titik Koordinat Menggunakan GPS

Hutan Pertanian

Semak Badan Air


47

Perkebunan Pemukiman

Lahan Terbuka Agroforestry

Alat dan Perlengkapan Penelitian


PENGGUNAAN CITRA RADAR SENTINEL-1 UNTUK IDENTIFIKASI ...

Documents

Transcript of PENGGUNAAN CITRA RADAR SENTINEL-1 UNTUK IDENTIFIKASI ...