DETEKSI TUTUPAN REPONG DAMAR DI PESISIR BARAT LAMPUNG MENGGUNAKAN CITRA SATELIT PENGINDERAAN JAUH

Cecilinia Tika Laura, Arief Darmawan, Rudi Hilmanto

Abstract


Sistem agroforestri yang khas dari Pesisir Barat Lampung ialah Repong Damar yang telah memberikan hasil bernilai ekonomi,ù bagi masyarakat secara turun temurun. Secara ekologi, peranannya sebagai penyangga kehidupan masyarakat sangatlah penting karena secara fisik memiliki kemiripan dengan hutan alam.  Penelitian ini dilakukan untuk mencari metode deteksi tutupan repong damar yang tepat dan akurat menggunakan data penginderaan jauh, sehingga pemantauannya secara berkelanjutan dapat dilakukan. Tiga metode deteksi tutupan repong damar dari Citra Landsat 8 dievaluasi, yaitu Maximum Likelihood Classification (MLC), Object Oriented Classification (OOC) dan Indeks Vegetasi (Normalized Difference Vegetation Index/NDVI, Normalized Difference Water Index/NDWI dan Enhanced Vegetation Index/EVI) melalui perbandingan matriks kesalahan (error matrix) dari tabel kontingensi. Hasil menunjukkan bahwa nilai akurasi total (overall accuracy) metode MLC adalah 92,16%, metode OOC adalah 92,27% dan metode Indeks Vegetasi dengan algoritma EVIadalah 83,33%. Metode OOC dan MLC memiliki perbedaan nilai akurasi yang sangat kecil yaitu sebesar 0,11%. Dari ketiga metode tersebut, metode OOC memiliki tingkat akurasi paling tinggi dengan nilai sebesar 92,27%

Keywords


Deteksi tutupan repong damar; MLC; OOC; Indeks vegetasi

Full Text:

PDF

References


Andana, E. K. 2015. Pengembangan Data Citra Satelit Landsat-8 untuk Pemetaan Area Tanaman Hortikultura dengan Berbagai Metode Algoritma Indeks Vegetasi (Studi Kasus: Kabupaten Malang dan Sekitarnya). J. Prosiding Seminar Nasional Manajemen Teknologi XXII. ISBN: 978-602-70604-1-8. 15:1-10.

Brown, S. & Zarin, D. 2013. What does Zero Deforestation Mean?. J. Science.342: 805-807.

Danoedoro, P. 2012. Pengantar Penginderaan Jauh Digital. Yogyakarta: Andi Offset. 398 hlm.

Darmawan, A., Prasetyo, L.B.& Tsuyuki, S. 2009. Monitoring Agricultural Expansion during the Economic Crisis in Indonesia: A Case Study of the Rawa Danau Nature Reserve. J. Japan Society of Forest Planning. 14: 53-66.

eCognition Developer. 2011. eCognition Developer User Guide. German: Trimble. 250 hlm.

Foresta, H.D., Kusworo, A., Michon, G. & Djatmiko, W.A. 2000. Ketika Kebun berupa Hutan: Agroforest Khas Indonesia sebuah Sumbangan Masyarakat. Bogor: Center for International Forestry Research. 239 hlm.

Gao, B. 1995. NDWI- A Normalized Diffrence Water Index for Remote Sensing of Vegetation Liquid Water from Space. J. Remote Sensing of Environtment. 58(3):257-266.

Jaya, INS. 2014. Analisis Citra Digital: Perspektif Penginderaan Jauh untuk Pengelolaan Sumberdaya Alam. Bogor: Institut Pertanian Bogor Press. 372 hlm.

Jiang, Z., Huete, A. R., Didan, K. & Miura, T. 2008. Development of a Two-Band Enhanced Vegetation Index Without a Blue Band. J. Remote Sensing of Environment. 112:3833-3845.

Lillesand, T.M. & Kiefer, R.W. 1997. Penginderaan Jauh dan Interpretasi Citra. Yogyakarta: Gadjah Mada University Press. 736 hlm.

Lubis, Z. 1997. Repong Damar: Kajian Tentang Pengambilan Keputusan dalam Pengelolaan Lahan Hutan di Pesisir Krui, Lampung Barat.Bogor: Center for International Forestry Research. 6 hlm.

Mansor, S., Wong, T.H. & Sharif, A.R.M. 2003. Object Oriented Classification for Land Cover Mapping. Spatial and Numerical Modelling Laboratory. ITMA Universiti Putra Malaysia. www.gisdevelopment.net/environment.

Michon, G. & Foresta, D.H. 1994. Damar Agroforest in the Pesisir, Sumatera. Paper, tidak diterbitkan.

Minang, P.A., Duguma, L.A., Bernard, F., Mertz, O. &Noordwijk, M.V. 2014. Prospects for Agroforestry in REDD+ Landscapes in Africa. J. Current Opinion in Environmental Sustainability. 6: 78-82.

Phua, M.H., & Tsuyuki. S. 2004. Deforestasi Detection in Kinabalu Area, Sabah, Malaysia by using Multisensor Remote Sensing Approach. J. Japan Society of Forest Planning. 10: 31-40.

Prahasta, E. 2008. Remote Sensing Praktis Penginderaan Jauh dan Pengolahan Citra Digital dengan Perangkat Lunak ER Mapper. Bandung: Informatika. 406 hlm.

Segah, H. 1999. Kajian Akurasi Citra Landsat-TM yang didikung Citra NOAA-AVHRR dalam Mendeteksi Perubahan Penutupan Lahan Areal Proyek Pengembangan Lahan Gambut (PLG) Sejuta Hektar di Provinsi Kalimantan Tengah . Tesis. Institut Pertanian Bogor. Bogor. 127 hlm.

Setiani, A., Prasetyo, Y., & Subiyanto., S. 2016. Optimalisasi Parameter Segmentasi Berbasis Algoritma Multiresolusi untuk Identifikasi Kawasan Industri antara Citra Satelit Landsat dan Alos Palsar. J. Geodesi Undip. 5(4): 112-121.

Sudiana, D., & Diasmara, E. 2008. Analisis Indeks Vegetasi menggunakan Data Satelit NOAA/AVHRR dan TERRA/AQUA-MODIS. Seminar on Intelligent Technology and Its Applications. Universitas Indonesia . Optoelectrotechnique and Remote Sensing (OPRES) Research Group. 423-428 hlm.

Romijn, E., Ainembabazi, J.H., Wijaya, A., Herold, M., Angelsen, A., Verchot, L. & Murdiyarso, D. 2013. Exploring Different Forest Definitions and Their Impact on Developing REDD+ Reference Emission Levels: A Case Study For Indonesia. J. Environmental Science and Policy. 33: 246-259.

Rusdi, M. 2005. Perbandingan Klasifikasi Maximum Likelihood dan Object Oriented pada Pemetaan Penutupan atau Penggunaan Lahan. Tesis. Institut Pertanian Bogor. Bogor. 70 hlm.

Yulizar, A., Hikmat, N. & Koesmaryandi. 2014. Konservasi Damar Mata Kucing (Shorea javanica) berbasis Masyarakat di Zona Tradisional Taman Nasional Bukit Barisan Selatan. J. Media Konservasi. 19(2): 73-80.




DOI: http://dx.doi.org/10.20527/jht.v7i3.7511

Article Metrics

Abstract view : 583 times
PDF - 627 times

Refbacks

  • There are currently no refbacks.