1

I. PENDAHULUAN

1.1 Latar Belakang

Dalam konteks pengelolaan hutan, sebuah perencanaan dan penatagunaan

akan sangat mempengaruhi hasil akhir dari pengelolaan yang dilakukan.

Keberlanjutan dari hutan dipengaruhi dari bagaimana ekosistem hutan

direncanakan untuk dikembangkan, dilindungi, dimanfaatkan dan direhabilitasi.

Hutan sebagai salah satu ekosistem yang berkaitan dengan beberapa sektor lain

(pertanian / perkebunan / pertambangan) tentu memerlukan sebuah perencanaan

matang lintas sektoral.Manajemen hutan juga dapat disimpulkan sebagai suatu

penggunaan cara-cara manajemen dan teknis-teknis kehutanan dalam rangka

menjalankan aktivitas terhadap suatu areal/lahan hutan. Manajemen hutan

mencakup perencanaan, pelaksanaan, pengorganisasian dan pengawasan kegiatan

yang berkaitan dengan pengelolaan hutan

Pengolahan Citra adalah pemrosesan citra, khususnya dengan

menggunakan komputer, menjadi citra yang kualitasnya lebih baik. Pengolahan

citra bertujuan memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia

atau mesin (dalam hal ini komputer). Teknik-teknik pengolahan citra

mentransformasikan citra menjadi citra lain. Jadi, masukannya adalah citra dan

keluarannya juga citra yang berkualitas lebih baik daripada citra masukan (Munir,

2004).

Pemetaan Digital menjadi proses dalam pengolahan citra, mengubah

gambar dan jenis-jenis data geografis ke dalam format, dinamis, fleksibel, digital

1
 2

menggunakan prosedur Sistem Informasi Geografis (SIG) . Kerangka SIG

memungkinan untuk menggabungkan gambar dengan data survey, pengukuran

lapangan, dan informasi peta lainnya, serta memfasilitasi analisis informasi digital

berbagai distribusi.

Dalam pengolahan citra dan dilakukannya pemetaan digital ada beberapa

kegiatan didalamnya salah satunya, Analisis Citra dimana kegiatan menganalisis

citra sehingga menghasilkan informasi untuk menetapkan keputusan. Beberapa

hal yang dapat diidentifikasi dari sebuah citra seperti jumlah pixel, resolusi citra,

dan lain-lain. Misalnya dimanfaatkan untuk melihat kerapatan vegetasi dan dapat

membandingkan kerapatan vegetasi dengan pengukuran NDVI (Normalized

Difference Vegetation Index).

1.2 Tujuan dan Kegunaan Praktikum

Tujuan dari Praktikum ini yaitu agar dapat memberikan pemahaman

kepada mahasiswa mengenai proses kerja software Arc GIS 10,4, bagaimana cara

mengetahui letak kawasan dengan klasifikasi tak terbimbing serta mengetahui

potensi lahan yang dapat dilihat dari kerapatan vegetasi.

Adapun kegunaan dari praktikum ini adalah untuk menambah wawasan

mahasiswa dan pembaca mengenai cara mengetahui penggunaan klasifikasi tak

terbimbing dengan software Arc GIS 10.4.

2
 3

II. TINJAUAN PUSTAKA

2.1 Penginderajaan Jauh

Menurut Lindgreen (1985) penginderaan jarak jauh merupakan variasi

teknik yang dikembangkan untuk perolehan dan analisis informasi tentang bumi.

Suatu teknik pengumpulan informasi tentang objek dan lingkungannya dari jarak

jauh tanpa sentuhan fisik (penginderaan jauh) dapat menghasilkan beberapa

bentuk citra untuk selanjutnya diproses dan diinterpretasi, sehingga menghasilkan

data yang bermanfaat untuk aplikasi dibidang pertanian, kehutanan, geografi,

geologi, dan bidang-bidang lainnya (Lo, C.P., 1986) Informasi tentang objek

disampaikan ke pengamat melalui gelombang elektromagnet.

Menurut Lillesand dan Kiefer (1983) ciri pengenalan objek ini disebut

unsur interpretasi citra (element of image interpretation). Ciri pengenalan benda

meliputi ciri spektral, ciri spasial, dan ciri temporal. Di antara tiga ciri ini, maka

ciri spektral merupakan ciri utama. Ciri spasial seperti bentuk, ukuran, bayangan,

tekstur, pola, situs, dan asosiasi baru tampak kemudian berdasarkan ciri

spektralnya. Data penginderaan jauh yang berupa data digital atau data numerik

dapat dianalisis dengan menggunakan komputer, sedangkan untuk data visual

pada umumnya dianalisis secara manual.

2.2 Citra Landsat 8

Landsat 8 merupakan kelanjutan dari misi Landsat yang untuk pertama

kali menjadi satelit pengamat bumi sejak 1972 (Landsat 1). Landsat 1 yang

awalnya bernama Earth Resources Technology Satellite 1 diluncurkan 23 Juli

3
 4

1972 dan mulai beroperasi sampai 6 Januari 1978. Generasi penerusnya, Landsat

2 diluncurkan 22 Januari 1975 yang beroperasi sampai 22 Januari 1981. Landsat 3

diluncurkan 5 Maret 1978 berakhir 31 Maret 1983; Landsat 4 diluncurkan 16 Juli

1982, dihentikan 1993. Landsat 5 diluncurkan 1 Maret 1984 masih berfungsi

sampai dengan saat ini namun mengalami gangguan berat sejak November 2011,

akibat gangguan ini, pada tanggal 26 Desember 2012, USGS mengumumkan

bahwa Landsat 5 akan dinonaktifkan. Berbeda dengan 5 generasi pendahulunya,

Landsat 6 yang telah diluncurkan 5 Oktober 1993 gagal mencapai orbit.

Sementara Landsat 7 yang diluncurkan April 15 Desember 1999, masih berfungsi

walau mengalami kerusakan sejak Mei 2003 (http://geomatika.its.ac.id, 2013).

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 (mirip dengan landsat versi sebelumnya). NASA sendiri menargetkan

satelit landsat versi terbarunya ini mengemban misi selama 5 tahun beroperasi

(sensor OLI dirancang 5 tahun dan sensor TIRS 3 tahun). Tidak menutup

kemungkinan umur produktif landsat 8 dapat lebih panjang dari umur yang

dicanangkan sebagaimana terjadi pada landsat 5 (TM) yang awalnya ditargetkan

hanya beroperasi 3 tahun namun ternyata sampai tahun 2012 masih bisa berfungsi.

Satelit landsat 8 memiliki sensor Onboard Operational Land Imager

(OLI) dan Thermal Infrared Sensor (TIRS) dengan jumlah kanal sebanyak 11

buah. Diantara kanal-kanal tersebut, 9 kanal (band 1-9) berada pada OLI dan 2

lainnya (band 10 dan 11) pada TIRS (USGS, 2013).

4
 5

2.3. Klasifikasi Terbimbing Dan Tak Terbimbing

Metode Klasifikasi Terbimbing diawali dengan pembuatan daerah contoh

untuk menentukan penciri kelas. Kegiatan tersebut merupakan suatu kegiatan

mengidentifikasi prototife (cluster) dari sejumlah piksel yang mewakili masing-

masing kelas atau kategori yang diinginkan dengan menentukan posisi contoh

dilapangan dengan bantuan peta tutupan lahan sebagai referensi untuk setiap

kelasnya.

Jumlah kelas yang diambil disesuaikan dengan masing-masing luas

penampakan. Secara teoritis, jumlah piksel yang diambil untuk mewakili setiap

kelas yaitu sebanyak N+1, dimana N adalah jumlah band yang digunakan. Hal

tersebut dilakukan untuk menhindari matrik ragam-peragam yang singular,

dimana piksel per kelasnya tidak bisa dihitung (Jaya 2007).

Menurut Lillesand dan Kiefer (1997), klasifikasi tidak terbimbing bisa

saja menjumpai beberapa kelas spektral yang dihasilkan berkaitan dengan lebih

dari satu jenis kategori informasi, hal ini berarti bahwa janis kategori informasi

tersebut secara spektral serupa dan tidak dapat dibedakan pada rangkaian data

tertentu.

Klasifikasi lahan dengan metode tidak terbimbing akan mendapatkan

berbagai klasifikasi lahan yang berasal dari kelas nilai spektral piksel.

Simplifikasi kelas ini dilakukan agar tidak terlalu banyak kelas yang dipakai.

Simplifikasi kelas ini dilakukan menggunakan diagram dendrogram berdasarkan

matrik jarak euclidean dari masing-masing kelas. Penggambaran dendrogam ini

5
 6

dapat menggunakan tiga metode, yaitu metode single linkage, complete

linkage, dan unweighted group average (Radityo 2010).

2.4. Normalized Difference Vegetation Index (NDVI)

Indeks vegetasi atau NDVI adalah indeks yang menggambarkan tingkat

kehijauan suatu tanaman. Indeks vegetasi merupakan kombinasi matematis antara

band merah dan band NIR (Near-Infrared Radiation) yang telah lama digunakan

sebagai indikator keberadaan dan kondisi vegetasi (Lillesand dan Kiefer 1997).

Menurut Ryan (1997), perhitungan NDVI didasarkan pada prinsip bahwa tanaman

hijau tumbuh secara sangat efektif dengan menyerap radiasi di daerah spektrum

cahaya tampak (PAR atau Photosynthetically Aktif Radiation), sementara itu

tanaman hijau sangat memantulkan radiasi dari daerah inframerah dekat. Konsep

pola spektral di dasarkan oleh prinsip ini menggunakan hanya citra band merah

adalah sebagai berikut :

NDVI = (NIR – Red) / (NIR+Red)

Dimana :

NIR= radiasi inframerah dekat dari piksel.

Red= radiasi cahaya merah dari piksel

Nilai NDVI berkisar dari -1 (yang biasanya air) sampai +1 (vegetasi lebat).

6
 7

III. METODE PRAKTIKUM

3.1 Waktu dan Tempat

Praktikum Analisis Citra dan Pemetaan Digital dilaksanakan pada tanggal 13

April sampai dengan tanggal 18 Mei 2019. Bertempat di Ruang Kelas Jurusan

Kehutanan, Fakultas Kehutanan, Universitas Tadulako, Palu.

3.2 Alat dan Bahan

Alat yang digunakan dalam kegiatan praktikum Analisis Citra dan

Pemetaan Digital yaitu : hardware (perangkat keras) yaitu laptop, dan software

(perangkat lunak) yang digunakan untuk mengolah atau memproses data yaitu

program ArcGIS 10.4

Bahan atau objek yang digunakan dalam praktikum ini adalah

database Fungsi Kawasan KPH Banawa Lalundu, Citra Landsat 8 Path/Row :

115/060, diperoleh dari United States Geological Survey (USGS).

3.3 Langkah Kerja

3.3.1 Tahap penentuan Fungsi Kawasan :

1. Pertama add data berupa band pada citra yang dimiliki

2. Lalu mengkompositkan semua band

3. Masukkan seluruh komposit band. Atur komposit band menjadi 6,5,3

untuk menampilkan warna asli dari citra. Pengaturan komposit band

dilakukan dengan cara klik kanan pada layer > properties > simbology

7
 8

3.3.2 Tahap Klasifikasi Tidak Terbimbing

1) Pada klasifikasi terbimbing, kita menentukan training area. Kemudian

untuk mengolah data, add data > masukkan citra Kabupaten Ampana,

2) Mengaktifkan toolbar image (customize > toolbar > image

classification ) kemudian klik classification > iso classter unspervised

classification.

3, kemudian tunggu dan tentukan kelasnya.

3.3.3 Tahap Klasifikasi Terbimbing

1. Pada klasifikasi terbimbing, kita menentukan training area. Kemudian

untuk mengolah data, add data > masukkan citra Kabupaten Parigi

Moutong

2. Digitasi kawasan yang ada di lapangan yang akan di masukkan dalam

peta.

Buat signature. Klik arctoolbox > spatial analyst > multivariate >

create signature.

3) Mengaktifkan toolbar image (customize > toolbar > image

classification )

4) Membuat training area dengan mengklik pada training sampel manajer

untuk menuliskan hasil draw polygon

5) Simpan hasil training sampel manager dengan mengklik create a

signature, pilih maximum likehood classification

6) Masukkan input raster band-bandnya dan input file signature dan

simpan di tempat yang di inginkan (sementara untuk klasifikasi tidak

8
 9

terbimbing Klik arctoolbox > spatial analyst > multivariate > Iso

cluster unsupervised classification lalu pilih input data raster. Namun

untuk klasifikasi tidak terbimbing kita tentukan jumlah kelas pada

pixel hingga tampilan berubah)

3.3.4 Tahap selanjutnya Tutupan Lahan secara manual

a. Pilih catalog > klik kanan pilih New folder > dan buatkan nama “tutupan

lahan” > klik nama tutupan lahan > shape file > buatkan nama dan pilih

polygon.

b. Kemudian pilih editor > star editing > dan mulai digitasi. Setelah selesai

digitasi pilih editor > stop editing.

c. Pemberian warna sesuiai daerah yang sudah diklasifikasikan menurut

tampakan permukaannya seperti hutan lahan kering sekunder, primer dan

lain-lainnya.

3.3.5 Tahap selanjutnya yaitu Layout Peta

a. Pilih view > layout view > file > page and setup > Atur kertas misalkan A4

Landscap > scale map elements proportionally to changes in page size.

b. Klik kanan pada peta > Properties > Grid > ok.

c. Pembuatan legenda > pilih Insert > (Text, Legend, Nort arrow, scale bar dan

scale teks dan picture apabila ingin menambahkan logo).

9
 10

IV. HASIL DAN PEMBAHASAN

4.1 Hasil

Adapun hasil dari praktikum analisis citra dan pemetaan digital ini sebagai

berikut :

4.1.1 Peta Kawasan KPH Banawa Lalundu

10
 11

4.1.2 Peta Tutupan Lahan Dengan Metode Superviced

4.1.3 Peta Tutupan Lahan Dengan Metode Unsuperviced

11
 12

4.1.4 Peta Tutupan Lahan Dengan Metode Manual

4.2 Pembahasan

Berdasarkan data yang diperoleh pada peta fungsi kawasan hutan setelah

diolah dan dianalisis, dapat kita ketahui bahwa wilayah Kabupaten Donggala,

Provinsi Sulawesi Tengah Berdasarkan pada klasifikasi terbimbing terdapat 3

fungsi kawasan yaitu hutan primer, hutan sekunder dan lahan terbuka . Adapun

pada klasifikasi tidak terbimbing terdapat 6 kawasan yaitu hutan primer, hutan

sekunder, lahan terbuka, sungai, awan dan lahan terbuka

Band citra yang digunakan yaitu 6,5,3 untuk menghasilkan kualitas warna

pada peta yang bagus. Dari KPH Banawa Lalundu ada 6 sample yang digunakan

yaitu : Hutan Sekunder, Hutan Primer, Lahan Terbuka, Badan Air, Semak

Belukar, dan Lahan Pertanian Kering Campuran. Dengan hasil Hutan yang Masih

ada itu Hutan Primer yang paling luas dan Lahan Terbuka yang dijadikan

12
 13

Pemukiman dan dll Oleh masyarakat sekitar wilayah KPH Banawa Lalundu.

Dengan luas Hutan Primer : 60451.42 ha, Hutan Sekunder : 14094.61 ha, Lahan

Pertanian Kering Campuran : 1727.002 ha, Badan Air atau sungai : 440.73 ha,

Lahan Terbuka : 15244,32 ha, dan Semak Belukar : 1180,22 ha

Klasifikasi digital pada suatu citra adalah suatu proses di mana piksel-

piksel dengan karakteristik spektral yang sama, yang oleh karenanya diasumsikan

sebagai kelas yang sama, diidentifikasi dan ditetapkan dalam suatu warna. Dalam

perkembangan selanjutnya teknik klasifikasi digital sudah mengarah ke berbasis

objek, dimana pada metode klasifikasi ini menggunakan tiga parameter utama

sebagai pemisah objek, yaitu scale, shape, compactness. Klasifikasi digital ini

memiliki keunggulan pada pemisahan antar objek yang akurat dan presisi. Selain

itu klasifikasi ini melakukan klasifikasi berdasarkan segmentasi objek, bukan

berdasarkan piksel, klasifikasi digital ini juga memiliki kelebihan dalam efisiensi

waktu pengerjaan. Klasifikasi secara digital yang menempatkan piksel ke dalam

kelas-kelas secara umum dapat dilakukan dalam dua cara, yaitu klasifikasi tidak

terbimbing (Unsupervised Classification) dan klasifikasi terbimbing (Supervised

Classification)

13
 14

V. PENUTUP

5.1 Kesimpulan

1. Klasifikasi supervised adalah dimana pengguna untuk menentukan

fungsi kawasan telah mengetahui letak kawasan sebenarnya di lapangan.

2. Klasifikasi unsupervised di mana kebalikan dari klasifikasi supervised,

pengguna untuk menentukan fungsi kawasan tidak berdasarkan apa yang ada di

lapangan.

3. Pada Kawasan KPH Banawa Lalundu, dengan Metode Supervised terdapat 3

kelas Kawasan hutan yaitu Hutan Primer, Hutan Sekunder, dan Lahan Terbuka

4. Pada Kawasan KPH Banawa Lalundu , dengan Metode Unsupervised

terdapat 6 kelas kawasan Hutan yaitu Hutan Primer, Hutan Sekunder, dan Lahan

Terbuka, Awan, Bayangan Awan, dan Badan Air.

5.2 Saran

Saran saya untuk praktikum mata kuliah analisis citra dan pemetaan digital

ini selanjutnya yaitu sebaiknya praktikum kedepannya praktikkan dibimbing saat

melakukan praktikum agar efisien dan efektif saat melakukan praktek.

14
 15

DAFTAR PUSTAKA

Jaya INS. 2007. Analisis Citra Dijital: Perspektif Pengindeaan Jauh untuk
Pengelolaan Sumberdaya Alam. Bogor (ID): Institut Pertnaian Bogor.

Lillesand TM, Kiefer RW. 1997. Penginderaan Jauh dan Interpretasi Citra;
diterjemahkan oleh Dulbahri et al. Yogyakarta (ID): Gadjah Mada
University Press.

Radityo G. 2010. Kajian Pemanfaatan Citra ALOS PALSAR Resolusi Sedang

untuk Klasifikasi Penutupan Lahan di Pulau Kalimantan
Indonesia [Skripsi]. Bogor (ID): Fakultas Kehutanan Institut Pertanian
Bogor.

Ryan L. 1997. Creating a Normalized Difference Vegetation Index (NDVI)

image Using MultiSpec. University of New Hampshire

Lillesand T.M dan R.W. Kiefer. 1997. Penginderaan Jauh dan Interpretasi Citra.
Diterjemahkan : Dulbahri, Prapto Suharsono, Hartono, Suharyadi.
Yogyakarta : Gajah Mada University Press

Lo, C.P., 1996. Penginderaan Jauh Terapan. Jakarta: UI-Press

USGS. 2013. Citra Landsat 1994, 1997, 2000, 2014. http://glovis.usgs.gov/. U S

Geological Survey

15
 16

LAMPIRAN

16