Welcome to Scribd, the world's digital library. Read, publish, and share books and documents. See more
Download
Standard view
Full view
of .
Save to My Library
Look up keyword
Like this
1Activity
0 of .
Results for:
No results containing your search query
P. 1
Analisis Topologi Dan Populasi Penduduk Pemukiman Miskin Menggunakan Teknologi Remote Sensing

Analisis Topologi Dan Populasi Penduduk Pemukiman Miskin Menggunakan Teknologi Remote Sensing

Ratings: (0)|Views: 219 |Likes:
Published by Ra Ra Pettyfer
I Do not own this file, it is just for sharing.
I Do not own this file, it is just for sharing.

More info:

Published by: Ra Ra Pettyfer on Sep 19, 2011
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

09/19/2011

pdf

text

original

 
  Jurnal Sistem Informasi MTI-UI, Volume 6, Nomor 1,
ISSN 1412-8896_______________________________________________________19
 
ANALISIS TOPOLOGI DAN POPULASI PENDUDUK PEMUKIMAN MISKINMENGGUNAKAN TEKNOLOGI
 REMOTE SENSING
 Endina Putri Purwandari dan Aniati Murni Arymurthy
Fakultas Ilmu Komputer, Universitas Indonesiaendina.putri@ui.ac.id, aniati@ui.ac.id
Abstrak
Wilayah perkotaan di Indonesia memiliki karakteristik yang sama dengan wilayah perkotaan dinegara-negara berkembang. Beberapa karakteristik tersebut seperti: (1) penurunan fungsi alamdengan berkurangnya ruang hijau atau vegetasi, (2) penumpukan bangunan beratap pada wilayahyang dekat dengan akses transportasi, industri dan pasar, (3) lokasi pemukiman pada zona yangberbahaya karena dekat dengan terminal, sepanjang aliran sungai, sepanjang jalur rel kereta api,dan tempat pembuangan sampah akhir. Keterkaitan antara nilai indeks kemiskinan denganmorfologi fisik dan vegetasi suatu wilayah dapat diketahui dengan pemanfaatan teknologi
remote
 
sensing
(RS). Keakuratan analisis pemukiman miskin dengan teknologi RS bergantung padakualitas citra satelit
Very High Resolution
(VHR) dan kelengkapan dataset Sistem InformasiGeografis (SIG). Teknologi geo-spasial yang terintegrasi seperti RS, SIG, dan
Global PositioningSystem
(GPS) dapat berkontribusi secara interaktif dalam penilaian, pemahaman dan pemetaanuntuk memecahkan masalah pemukiman penduduk yang kompleks di Indonesia.
Kata kunci:
 pemukiman miskin, remote sensing, sistem informasi geografis
 1.
 
Pendahuluan
Pertambahan penduduk di dunia tidak hanyaberasal dari kelahiran atau pertumbuhan penduduk alami, namun juga akibat pertumbuhan urbanisasiyang menyebabkan munculnya daerah pemukimanmiskin dan padat. Setiap pusat pemukiman padatpenduduk memiliki masalah degradasi fungsilingkungan dengan skala yang berbeda. Hal ini jugaterjadi pada perkotaan besar di Indonesia. Tingginyapopulasi penduduk mengubah pola konsumsi lahan,perkembangan industri yang tidak seimbang,ketidaksesuaian kepadatan transportasi, kurangnyapemenuhan kebutuhan pokok, penurunan sumberdaya air serta flora dan fauna, dan infrastrukturlingkungan yang buruk selanjutnya menjadikan faktorutama penurunan kualitas lingkungan perkotaan [1].Menurut perkiraan
 Millenium Development Goal
(MDG) pada tahun 2020, sekitar 1,4 miliar manusiadi dunia berada dalam kondisi miskin, tersebar dinegara-negara berkembang. Indonesia merupakannegara berkembang dengan jumlah penduduk terbesarketiga di dunia. Target kebijakan MDG di Indonesiahingga tahun 2015 adalah untuk mengurangi jumlahkemiskinan penduduk [2]. Hasil survei [3] yangdilakukan BPS pada bulan Maret 2009 menyebutkanbahwa jumlah penduduk miskin di Indonesiasebanyak 32,53 juta jiwa atau 14,15 persen dari totalpopulasi Indonesia. BPS juga melakukan SurveiSosial Ekonomi Sosial (SUSENAS) terhadap sampelrumah tangga untuk mengukur jumlah penduduk dibawah garis kemiskinan [3]. Hasilnya pada tahun2007, sekitar 37.2 juta penduduk Indonesia berada dibawah garis kemiskinan. Namun situasi tersebutberbeda di setiap daerah. Penduduk yang hidup diperkotaan membutuhkan biaya yang lebih tinggidibandingkan di pedesaan.Berdasarkan survei tersebut perlu dilakukanprogram penanggulangan kemiskinan. Untuk meningkatkan efektivitas penanggulangan ini tidak dapat ditangani oleh satu sektor tertentu, tetapi haruslintas multi sektor yang melibatkan stakeholderterkait. Beberapa kebijakan yang diambil pemerintahuntuk mengurangi jumlah kemiskinan yaitu denganProgram Nasional Pemberdayaan Masyarakat(PNPM) dan program Bantuan Langsung Tunai(BLT).Umumnya peta sebaran penduduk miskindisusun secara tradisional dengan pendataan indekspenduduk secara manual di setiap wilayahadministrasi. Peta tradisional ini memiliki kekuranganpada definisi kemiskinan yang tidak konsisten, jumlah yang tidak valid dan sulit melakukanperubahan tahunan atau per semester. Setiap terjadiperubahan maka perlu dilakukan pengambilan dataulang ke lapangan. Hal ini menyebabkan
 
 Analisis Topologi dan Populasi Penduduk Pemukiman Miskin Menggunakan Teknologi Remote Sensing
20 _____________________________________________________
 Jurnal Sistem Informasi MTI-UI 
,
Volume 6, Nomor 1, ISSN 1412-8896
 
ketidaksesuaian informasi jumlah penduduk miskin diIndonesia yang dapat mempengaruhi kebijakanpemerintah. Untuk mengatasinya, beberapa negaraseperti India, Filipina, dan Tanzania, telah melakukanpengembangan aplikasi untuk menganalisis topologi,morfologi dan estimasi jumlah populasi penduduk dipemukiman miskin dengan menggunakan indikatorberdasarkan teknologi RS dan SIG. Dengan sensorcitra satelit secara global dapat diperoleh gambaranobservasi yang konsisten untuk memperkirakan jumlah populasi penduduk miskin. Peta sebarankepadatan penduduk dan pemukiman miskin dapatmenjadi alat yang penting untuk penanggulangankemiskinan dan pengambilan kebijakan pemerintah.Oleh karena itu, metode untuk analisispemukiman penduduk masih diperlukan denganmenggunakan citra RS dengan resolusi tinggi untuk membangun dokumen pertumbuhan wilayahpemukiman secara interaktif. Untuk menilai danmengevaluasi pola pemukiman miskin perluperencanaan di tingkat berbeda dengan menggunakaninformasi sosial ekonomi. Untuk itu perlu pendekatanterintegrasi menggunakan citra satelit RS dan SIGyang diaplikasikan dengan data sosial-ekonomipemerintah untuk menyelesaikan beberapa isupemukiman penduduk miskin di Indonesia.
2.
 
Pemukiman Miskin
Kemiskinan merupakan dilema terbesar yangdihadapi penduduk di abad 21. Menurut perkiraansekitar 42% atau 2.6 miliar manusia akan hidupdalam kemiskinan [1]. Sebenarnya kontekskemiskinan tidak hanya diukur dari penghasilan(
income poverty
), tetapi juga kondisi rumah yangburuk dan kumuh, serta kekurangan bahan kebutuhanpokok, sehingga terkadang kemiskinan ‘memilikibanyak dimensi’. Bahkan jumlah penduduk danpemukiman miskin di Indonesia diperkirakan akanbertambah pada 2010. UN-HABITAT [4] menyatakansekitar 60% penduduk Indonesia tinggal dipemukiman miskin pada wilayah perkotaan.Pemukiman miskin adalah pemukiman padat dengankarakteristik penduduk mengalami kekurangan untuk memenuhi kebutuhan dasar dan rumah [4]. Motivasimunculnya pemukiman miskin adalah ketersediaanlapangan pekerjaan, kemudahan lokasi pasar danpusat perbelanjaan untuk pemenuhan kebutuhanhidup, kedekatan dengan wilayah industri dankomersial, akses layanan publik, akses jaringantransportasi umum dan ketersediaan air.
Gambar 1.
Bentuk pemukiman miskin dan padat [5].
 Sebagai data penelitian dengan menggunakanbentuk indikator spasial pada wilayah miskin yangdiekstraksi dari citra RS. Indikator spasial digunakanuntuk memahami heterogenitas wilayah pemukimanmiskin. Indikator tersebut digolongkan berdasarkankarakteristik tertentu seperti kepadatan
roof coverage
,sedikitnya jaringan jalan, dan bentuk pemukimanyang tidak teratur (lihat Gambar 1). Karakteristik lokasi-lokasi berkembangnya pemukiman miskinpada data spasial adalah sebagai berikut:1.
 
Pola tata ruang.Rencana pola tata ruang wilayah pembangunanlahan dan alokasi pemukiman yang kurang baik,tidak ada ruang terbuka dan jalan yangmenimbulkan kecenderungan bentuk dan ukuranyang tidak teratur. Sebaliknya alokasi perumahanyang teratur memiliki ruang terbuka yang lebihmenonjol.2.
 
Struktur rumah.Perumahan padat cenderung memiliki strukturukuran yang lebih kecil dan bersebelahan/ berhimpitan.3.
 
Batas rumah.Pemukiman rumah yang spontan tanpaperencanaan memiliki bentuk batasan poligonyang tidak teratur.4.
 
Cluster dan penyebaran pemukiman .Tanpa perencanaan yang jelas menyebabkanketidakseimbangan, tidak meratanya clusterpopulasi padat di satu sisi dan populasi yang jarang di sisi lainnya, tidak ada wilayah vegetasidan ruang wilayah publik yang cukup.5.
 
Bentuk 
reflektance
atau radiasi.Umumnya wilayah pemukiman informalmemiliki bentuk radiasi yang berbeda karenadegradasi alam, ukuran bangunan dan sifatmaterial bangunan yang mudah rusak sehinggaterlihat lebih gelap.6.
 
Atribut lokasi.Biasanya pemukiman padat terletak di perkotaan,dekat wilayah komersial dan industri sebagaidaya tarik utama urbanisasi serta mencari tempattinggal yang dekat dengan tempat kerja. Selainitu, pemukiman ini sering ditemukan pada zonaberbahaya seperti sekitar aliran sungai, sepanjangrel kereta api, di bawah jembatan layang, dan
 
Endina Putri Purwandari dan Aniati Murni Arymurthy  Jurnal Sistem Informasi MTI-UI, Volume 6, Nomor 1,
ISSN 1412-8896_______________________________________________________21
 
dekat tempat pembuangan sampah.
3.
 
Tinjauan Pustaka
Teknologi RS mengembangkan metode untuk identifikasi pemukiman miskin berdasarkan citraVHR dan data set tambahan seperti sensus serta dataSIG terkait dengan infrastruktur dan layananpenduduk. Beberapa penelitian telah menganalisispembagian bentuk topologi dan morfologipemukiman miskin berdasarkan karakteristik dataspasial dan citra RS, sehingga dapat mengestimasi jumlah penduduk miskin.Sliuzas dan Kuffer [5] melakukan penelitianheterogenitas spasial pada pemukiman miskinmenggunakan teknologi RS berdasarkan indikatorspasial seperti kepadatan
roof coverage
, ketersediaan jaringan jalan, dan bentuk pemukiman yang tidak teratur. Identifikasi dilakukan dengan memeriksavariabel morfologi dan variabel lokasi spasial. Prosesekstraksi informasi secara otomatis dengan klasifikasi
supervised 
 
maximum
 
likelihood 
[5]. Berdasarkanindikator tersebut heterogenitas dari lingkunganpemukiman miskin dapat diidentifikasi dalam tipeberbeda.Sedangkan May Celine [6] menganalisis citraVHR untuk mendeteksi bangunan, estimasikemungkinan bencana alam dan membangun dasarstatistik pengembangan instrumen. Pada pembahasan[6]
Urban Poverty Morphology
(UPM) diaplikasikandalam 3 tahap. Tahap UPM I mendesain algoritmadan metode ekstraksi untuk peta perubahan lahan,UPM II mengembangkan peta relokasi pemukimanmiskin di perkotaan, dan UPM III untuk pemetaankemiskinan multi-temporal dalam skala nasional,regional dan lokal. Metode klasifikasi yangdigunakan adalah Bayesian atau klasifikasimaksimum
likelihood 
.Aminipouri et al. [7] mengembangkan metodeanalisis berorientasi objek pada citra VHR dan dataSIG, untuk menghitung jumlah populasi penduduk yang tinggal di pemukiman miskin dan angka
 Roof  Area per Person
(RApP). Pendekatan denganmemperhatikan indikator sosial untuk mengestimasivariabel karakteristik fisik bangunan, akses jalan, danruang hijau. Proses ekstraksi citra RS dengan
chessboard segmentation
dan
multiresolutionsegmentation
. Hasil segmentasi diklasifikasi dengan
 fuzzy
dan
nearest neighborhood 
.
Gambar 2.
Diagram alur masukan, proses, dan keluaran.
 Berdasarkan
review
penelitian yang telahdilakukan, langkah-langkah penelitian danpengembangan sistem analisis pemukiman miskindengan RS untuk Indonesia dapat digambarkansebagai diagram alur pada Gambar 2. Langkah-langkah tersebut diawali dengan studi literatur yangmemunculkan permasalahan utama, tujuan penelitiandan pengembangan permasalahan. Tujuan penelitianadalah untuk mengetahui ekstraksi bangunan,klasifikasi topologi dan menghitung estimasi populasipenduduk yang tinggal pada pemukiman miskin.Untuk mencapai tujuan tersebut membutuhkan datamasukan berupa data citra RS yang menghasilkananalisis data spasial citra. Selanjutnya citra hasilpemetaan wilayah akan dianalisis. Berdasarkananalisis dan pembahasan dapat ditarik kesimpulandan saran pengembangan lebih lanjut.
 3.1 Analisis Bentuk Heterogenitas Wilayah Pemukiman Miskin dengan Indikator RemoteSensing
Sliuzas dan Kuffer [5] membahas identifikasilokasi pemukiman miskin pada kota megapolitanNew Delhi di India, dengan menggunakan data RSuntuk mendapatkan profil kemiskinan secara spasialdan mengambil kebijakan dalam mengurangikemiskinan dan urbanisasi. Metodologi ekstraksiheterogenitas spasial kemiskinan terbagi dalam 2tahap utama, yaitu interpretasi visual terhadapvariabel spasial dari citra Ikonos dengan ekstraksiinformasi otomatis, dan klasifikasi
supervised 
 
maximum
 
likelihood 
. Tahapan interpretasi denganvariabel spasial mencakup: (1) variabel morfologi

You're Reading a Free Preview

Download
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->