PEMANF AA TAN CITRA SA TELIT RESOLUSI TINGGI, DGPS, DAN SIG UNTUK MENDETEKSI KONDISI PENGGUNAAN LAHAN DI KOTA

YOGY AKARTA Subaryono', ABSTRACT
The geomatics technology, especially remote sensing technology, has developed sensors capable of producing satellite images such as "IKONOS" images with very high spatial resolution (0.6 - lm). However, the high spatial resolution has no high values when its geometric positions are not well corrected. The combination of the use of high spatial resolution image and the DGPS will be able to produce high quality information of objects in the earth surface in terms of both the content and its geometric positions. Information about land use with such quality is very useful in support oj urban planning and management. This research used a high spatial resolution image "IKONOS" which was corrected using primary data obtained through the application of the DGPS (Differential Global Positioning System) in the City oj Yogyakarta. The combination of both procedures (data processing of IKONOS and DGPS) has resulted in the corrected IKONOS image with higher geometric accuracy. This image was interpreted to extract information about urban land use oj Yogyakarta. This information then was contrasted with the actual conditions. The results show that the DGPS measurement was able to achieve sub-em absolute accuracy. The use oj the data obtained from this method ill correcting the geometric positions of IKONOS image was able to achieve sub-pixel accuracy. This research applied a land classification scheme covering 9 land use classes developed by Sutanto et al. (198/) to classify the IKONOS data of Yogyakarta city. The scheme was selected because of the large volume 0/ data and the actual land use ill Yogyakarta. Spatial analysis using GIS (Geographic Information SystemlSIG) in this research show that there were changes in land lise classes, particularly the agricultural class into the settlement class.

Harlntaka', Bilal Ma'rur'

Key words: DGPS, IKONOS, Yogyakarta City, Urban Land Use PENGANTAR Latar Belakang Penggunaan berbagai platform citra satelit untuk pemetaan penggunaan lahan telah banyak dilakukan semenjak diluncurkannya satelit surnberdaya alam pada tahun tujuh-puluhan. Berbagai teknik telah dikembangkan untuk mengekstrak data citra satelit guna memperoleh data penggunaan lahan, termasuk lahan perkotaan (Epstein et aI., 2002, dan GIuch, 2002). Metode utama untuk klasifikasi citra adalah (1) Supervised, dan «2) Unsupervised classification (Jensen, 1996). Namun, penggunaan citra satelit resolusi spasial yang relatifkasar (15 m - 30 m) tidak dapat digunakan untuk mengidentifikasi penggunaan lahan sebagaimana disyaratkan pad a data untuk keperluan perencananaan dan pengelolaan lahan perkotaan (Anggorowati, 2003; Kartesa, 2003; Rubiasih, 2003; Yulianti, 2003). Dengan dikembangkannya citra satelit resolusi tinggi, teknikteknik yang telah dikembangkan tersebut belum tentu sesuai digunakan untuk mernperoleh informasi detail daerah perkotaan. Gluch (2002) menggunakan tekstur analisis atas 2 citra yang digabungkan (merged), yaitu Landsat TM dan SPOT-P data. Persyaratan titik kontrol tanah (ground control points= GCP) untuk pemetaan penggunaan lahan perkotaan dengan metode penginderaan jauh menjadi sangat ketat, mengingat tuntutan ketelitian geometrik yang tinggi terhadap data yang dihasilkan. GCP yang diekstrak dari peta topografi sudah cukup memadai untuk mengolah citra satelit dengan resolusi rendah, tetapi untuk citra dengan resolusi tinggi memerlukan GCP ketelitian dengan fraksi ern, Hal tersebut dilakukan dengan pengukuran GPS secara diferensial atau DGPS (Kleusberg and Teunissen, 1996). Untuk mengolah dan mengkontraskan data hasil dari citra dan data lainnya yang terkait dengan objekobjek spasial perkotaan digunakan pendekatan Geographic Information Systems (GIS) atau SIG (Sistem Informasi Geografis). Dalam hal ini, SIG berguna untuk menyediakan gambaran yang lebih lengkap dari hubungan (relationships) antar elemen natural dan kultural dalam sistem perkotaan (Huxhold, 1991). Permasalahan Berbagai kegiatan yang ada di kota Yogyakarta telah mengubah kondisi penggunaan lahan perkotaan. Fenomena tersebut memerlukan penanganan sejak

Ir. Subaryono, MA, Ph.D. Dosen Jurusan Teknik Geodesi Fakultas Teknik UGM. E-mail: sssubar@ugm.ac.id Harintaka, ST, MT. Dosen lurusan Teknik Geodesi Fakultas Teknik UGM. E-mail: harintaka@ugm.ac.id 3 Bilal Ma'ruf, ST, MT. Dosen lurusan Teknik Geodesi Fakultas Teknik UGM.
I 2

24

MEDIA TEKNIK

No.4 Tahun XXVIII Edisi Nopember

2006 No.ISSN

0216-3012

4 Tahun XXVIII Edisi Nopember 2006 No. Djoewadi (2005). yaitu: banjir. Swartoko (2005).7 feet) panchrornatik 3. Amerika Serikat (Space Imaging. 40° L 11 bits per piksel Pankromatik. SUII synchronous 7.1 feet) multispektral 11.3 kilometer (7. Satelit IKONOS memiliki resolusi spasial 1 m pada mode pankromatik dan 4 m pada mode multispektral. maka sangat perlu diteliti kegunaanya untuk mendeteksi penggunaan lahan di daerah perkotaan. Keseluruhan penelitian tersebut mengkaji pemanfaatan citra lKONOS dari aspek informasi tematiknya saja. kekumuhan kota. Dewasa ini dengan berkembangnya teknologi sensor satelit. dan NIR MEDIA TEKNIK No.2 meter (10.1 derajad.2 mil) per detik 14. telah dihasilkan citra satelit komersial IKONOS dengan resolusi spasial yang sangat tinggi. California Lebih dari 7 tahun 98. Pemerintah Kota Yogyakarta sudah menyusun Rencana Tata Ruang Wilayah Kota Yogyakarta (RTRWK) Periode 1994 sampai dengan 2004 yang mengakomodasi arahan peruntukkan lahan yang berdasarkan berbagai pertimbangan dan kepentingan. B. d11. perpajakan).82 meter (2. 2003. 2002). IKONOS memiliki resolusi temporal yang cukup singkat.m. 2003). G.7 setiap 24 jam 98 menit 681 kilometer (423 mil) Nadir: 0. ekonomi (perdagangan.3 feet) pankromatik 4. dan Westiyani (2006). kemacetan lalu lintas. 2003.8 kilometer (4. Adapun karakteristik satelit IKONOS dapat disimak pada Tabel 1. dan aspek sosial-budaya (pengembangan masyarakat. dimana waktu pencitraan dilakukan secara serempak. California. solar time Sekitar 3 jam pada resolusi l-meter. pelayanan pendidikan. Penelitian pemanfaatan citra lKONOS untuk keperluan pajak bumi dan bangunan dilakukan oleh Arwiyanto (2004). RTRWK diharapkan dapat menjadi acuan bagi pengelola pemerintahan daerah sebagai pengendali pertumbuhan dan pengembangan kota sampai dengan tahun 2004. Kartesa.).5 feet) multispektral 26° OffNadir: 1.0 mil) pada nadir 13. diharapkan lebih jauh lagi dapat mengeliminir atau meminimalisir permasalahan klasik yang selalu dihadapi oleh kota. 2002) Elemen Tanggal Peluncuran Usia operasi Orbit Kecepatan pada orbit Kecepatan di atas tanah Jurnlah revolusi Waktu orbit mengelilingi bumi Ketinggian Resolusi Lebar Swath Waktu melewati ekuator Waktu revisit Dynamic range Jumlah band Keterangan 24 September 1999 di Vandenberg Air Force Base. kesehatan.5 kilometer (4. Rubiasih. Hal ini disebabkan oleh penggunaan citra Sate!it IKONOS diluncurkan pada tanggal 24 September 1999 di Vandenberg Air Force Base. Yulianti. khususnya kota Yogyakarta.5 sampai 3 hari.7 mil) per detik 6. Disisi lain penggunaan citra satelit lKONOS dengan tingkat orto memerlukan dana yang cukup besar.8 kilometer (8. R. 2003.lSSN 0216-3012 25 .6 mil) pada 26° off-nadir Sekitar jam 10:30 a. yaitu an tara 1. Mengekstrak dan mengklasifikasi obyek yang ada pada citra satelit IKONOS di Kota Yogyakarta LANDASAN TEORI Citra Satelit IKONOS Beberapa penelitian yang menggunakan citra satelit untuk mengidentifikasi penggunaan lahan di daerah perkotaan menunjukkan hasil yang tidak memuaskan. Tujuan Penelitian I. Meningkatkan ketelitian geometrik citra satelit IKONOS tingkat geo sehingga memenuhi ketentuan ketelitian peta penggunaan lahan yang sesuai untuk RTRWK Kota Yogyakarta 2. Tinjauan Pustaka satelit dengan resolusi spasial yang cukup kasar (10 30 m) (Anggorowati. dan ketidakcukupan fasilitas kota untuk melayani ledakan pertumbuhan penduduk seperti yang disebabkan oleh laju urbanisasi.dini dan terintegrasi berbagai aspek yang berkaitan dengan pengelolaan kota seperti fisik (ruang dan infrastruktur kota).0 meters (13. Tabel 1.0 meter (3. Karakteristik Citra IKONOS (Space Imaging. Bahkan. Berdasarkan karakteristik citra lKONOS tersebut.

. Persamaan matematik untuk menghitung RMSE setiap titik kontrol adalah (Jensen. Semakin tinggi tingkatnya maka ketelitian posisi semakin tinggi.x . reference. Jensen.bz = Parameter transformasi Ketelitian transforrnasi ditentukan oleh harga RMSE (Root Mean Square Error). Cara ini dilakukan pada sernua'jenis saluran citra dengan cara perentangan linier (Pohl.a. 1996). Kesalahan internal lebih banyak disebabkan oleh kondisi geometrik sensor dan bersifat sistematik sedangkan kesalahan eksternal disebabkan oleh bentuk obyek dan karakter dari data tersebut. Ketelitian registrasi citra sangat ditentukan oleh ketelitian sumber data acuannya. menyatakan ada 8 kunci yang dipergunakan untuk melakukan klasifikasi obyek secara visual. pro.ISSN 0216-3012 No.4 Tahun XXVIII Edisi Nopember . 1994. -1996). standard ortho. Sinyal pantulan obyek dalam perjalanannya menuju sensor satelit dipengaruhi oleh kondisi atmosfer. . y' = Koordinat titik yang dianggap x. Melihat karakter resolusi spasialnya yang sangat baik. Sumber kesalahan umum yang terjadi dan parameter koreksinya telah diketahui adalah efek kelengkungan bumi.x + bzY (I) Dalam hal ini: x'. dan precis 1011 pills. Jika citra merniliki saluran tnultispektral maka dapat d ibuat warna natural sehingga kenampakan obyek di citra akan sama dengan kondisi sebenarnya di pennukaan bumi. Wolf(1983). bayangan. 1996). y = Posisi obyek dalam sistem koordinat peta ao. identifikasi jaringan jalan. seperti jalan raya dan jaringan irigasi. y = Koordinat titik hasil hitungan Interpretasi Visual Untuk Pengenalan Citra Satelit Obyek pada Identifikasi dan pengenalan obyek pada citra untuk keperJuan revisi peta topografi umumnya dilakukan secara manual dengan interpretasi visual. Untuk menggunakan citra IKONOS pada suatu bidang aplikasi harus diperhatikan kondisi citra. 2000). yaitu bentuk. . dan sudut pandang perekaman (Pohl.. tekstur dan assosiasi. Untuk membantu pengenalan 2006 No. Lillesand and Kiefer (2000). Secara tegas Pohl (1996) mengklasifikasikan distorsi geometrik citra dalam 2 go longan. transportasi. Pada awalnya kunci interpretasi ini sangat cocok diterapkan pada citra foto udara pankromatik. Faktor yang membedakan antar tingkat produk adalah ketelitian posisinya. Jika dilakukan klasifikasi secara digital unsur-unsur penting tersebut tidak terklasifikasi atau bahkan akan hilang. Semakin kecil RMSE-nya maka semakin teliti penentuan titik kontrol tanah di citra. Pengolahan Citra Satelit Distorsi geometrik citra yang bersifat random dapat dikoreksi dengan meregistrasi citra terhadap peta (ENVI. tetapi dengan konsekuensi harga yang juga semakin mahal. Beberapa faktor penting yang menyebabkan distorsi geometrik yang bersifat sistematik antara lain: kelengkungan bumi. preCISIOIl.a2 = Parameter transformasi bo. yaitu distorsi yang bersifat sisternatik dan random. 1996) adalah: x'= aD . Ditinjau dari sumber kesalahannya. 1994 dalam Pohl. pola. tetapi dapat diterapkan pada citra satelit. Ketelitian posisi IKONOS tingkat geo ini dapat ditingkatkan dengan menggunakan GCP teliti. Rumus transformasi affine 2D (Jensen. dan identifikasi bangunan (Transavia Informatika Pratama. variasi tinggi permukaan tanah. ukuran.IKONOS didesain untuk digunakan pada berbagai macam bidang aplikasi.azy y'= bo + b.. Space Imaging (2002) menyebutkan tingkat citra IKONOS. y' = Posisi obyek dalam sistem koordinat citra x. Umumnya sebelurn citra satelit didistribusikan kepada pengguna. Perentangan kontras bertujuan mengoptimisasi penampilan citra menjadi 256 derajad kecerahan. 1996) atau polinomial orde satu (Toutin. 26 MEDrA TEKNIK = J(X'-X)2 + (Y'_Y)2 benar (2) Dalam hal ini: x'. 1996): RMSE Untuk keperluan interpretasi visual unsur topografi pada citra satelit digunakan penajaman kontras dengan perentangan kontras (contrast stretching). dimana hal 101 secara geometrik menyebabkan pergeseran bayangan obyek pada citra satelit. Peta topografi merniliki unsur-unsur atau obyek penting dengan ukuran yang relatif kecil sehingga pada citra satelit SPOT Pankrornatik akan tampak beberapa piksel. beberapa aplikasi yang menggunakan citra satelit IKONOS an tara lain: penentuan batas bidang. Koreksi distorsi geometrik yang bersifar random umumnya menggunakan transformasi 2 dimensi dengan persamaan polinomiai. JARS (1993). Hal ini disebabkan parameter-parameter kalibrasi hanya diketahui oleh pemilik satelit. dalam hal ini terkait erat dengan tingkat pengolahan dan harga. yaitu geo. rona atau warna. distorsi geometrik disebabkan oleh kesalahan internal dan ekstemal. Tingkat (level) geo adalah tingkatan terendah dengan karakteristik ketelitian posisi sekitar 15 111 (standar CE 90). distorsi geometrik yang bersifat sistematik sudah dikoreksi oleh pengelola satelit. tone.

Beberapa jenis filter digunakan untuk mengekstrak titik. dan sisi obyek pad a citra digital. pengamatanlpengukuran titik kontrol tanah menggunakan GPS secara radial (3). (4).¢lrw (5) Dalam hal ini.T A: lama waktu perambatan sinya! GPS dari satelit ke pengamat di dasarkan pada jam receiver (pengamat) ~ion : kesalahan jarak yang disebabkan karena bias ionosfer ~'rop: kesalahan jarak yang diakibatkan karena bias troposfer Pada persamaan 5. 5. (7). pengolahan data pengamatan GPS secara post processing. Tahapan pelaksanaan penelitian dapat dijelaskan sebagaimana digambarkan pada Gambar 1.T (t)+ 16. Perangkat lunak Map Info 6. Perangkat lunak Map imagery 2. 2. Citra Satelit IKONOS tingkat geo mode Pan Sharpened rekaman di daerah Kota Yogyakarta. (6). analisis penggunaan lahan di Kota Yogyakarta dikomparasikan dengan dokumen RUTRW Kota Yogyakarta. 3. sedangkan peralatan yang digunakan adalah: I. lingkar ring road utara. diA : jarak geometrik antara sate1it ke pengamat piA : jarak rase (ukuran) antara satelit ke pengamat (XA. Komputer Pentium 4 yang dilengkapi dengan CD ROM drive.. 6. (differentia!).0 untuk meloading data citra IKONOS sehingga dapat dibaca oleh Map Info. 2. Metode pengukuran GPS dilakukan secara radial. (2).ISSN 0216-3012 27 . dan TVRI Stasiun Yogyakarta di JL. Perangkat lunak ER Mapper 6. kesa1ahan dan bias yang melekat pada data pengamatan GPS dengan menggunakan data rase. garis.karakter dan ukuran obyek dapat digunakan teknik filtering dengan menggunakan filter yang sesuai. Secara teoritik. Y A" ZA) posisi pengamat dalam sistem koordinat kartesian (Xi. Adapun lokasi yang dipilih meliputi boulevard UGM. parameter kesalahan jam satelit sudah tereliminasi sedangkan kesa1ahan karena atmosfer (ionosfer dan troposfer) dapat dikatakan sebagian besar tereduksi. efek dominan kesa1ahan dan bias tersebut MEDIA TEKNIK No. Penentuan Posisi dengan GPS secara Diferensial tereduksi dan tereliminasi dengan proses pengurangan Konsekuensinya ketelitian posisi akan meningkat secara drastis dibandingkan dengan metode penentuan posisi absolut. Persamaan ini disebut persamaan pengamatan fase single difference.1 untuk keperluan pengolahan citra satelit.4. Prosedur pelaksanaan penelitian dilakukan dengan tahapantahapan (I). Menurut Kleusberg dan Teunissen (1996). Vi"~Zi) posisi satelit da1am sistem koordinat kartesian i NA : cycle ambiquity <piA : rase hasil ukuran '). Dokumen Rencana Tata Ruang Wilayah Kota Yogyakarta Peri ode 1994 . Tiga set alat receiver GPS single frequency tipe Geodetik merk Laica.2004. Pengamatan/pengukuran titik kontrol tanah menggunakan GPS dilakukan dengan distribusi yang menyebar di daerah penelitian.0 untuk digitasi dan pembuatan/analisis SIG. I (4) Dalam hal ini. CARA PENELITJAN Bahan yang diper1ukan untuk penelitian ini adalah: I.4 Tahun XXVIII Edisi Nopember 2006 No. (5).Ti : lama waktu perambatan sinya1 GPS dari satelit ke pengamat di dasarkan pada jam satelit 6.. ring road timur. persiapan bahan dan materi penelitian. jarak antara receiver dan satelit yang diukur dengan menggunakan data fase (jarak fase) dapat ditulis sebagai berikut : d~(t)=A(<1>~(t)+N~) p~(t)= 1(Xi -XA)2 (3) +(r. perhitungan luas setiap kelas penggunaan lahan. interpretasi visual dan ekstraksi informasi penggunaan lahan dari citra satelit IKONOS. -y"r +(Zi -ZJ2 f. Distribusi titik kontrol tanah pada citra satelit IKONOS dapat dilihat pada Gambar 2. Jalan HOS Cokroaminoto. c cepat rambat gelombang cahaya 6.TAB (1)+ A¢ioll+6. peningkatan kualitas geometrik citra satelit IKONOS tingkat geo. Magelang Km. pengamat GPS dibagi dalam 3 tim. 1 tim yang selalu stand by di reference station yang terletak di Boulevard UGM dan 2 tim sebagai rover yang mengamat GPS secara mobile di titik yang yang akan Konsep dasar penentuan POStSI dengan menggunakan GPS adalah reseksi jarak antara satelit dan receiver. Perangkat lunak SKI 2.30 untuk pengolahan data pengamatan GPS. : panjang gelombang sinyal GPS Jika 2 receiver mengamati satu sate1it secara simultan diperoleh 2 buah persamaan pengamatan rase one-way sebagai berikut : ¢~B(/) = * P~B(I)- N~B i -16. ring road selatan. 4.

Pelaksanaan Penelitian Pengolahan data pengamatan GPS secara post processing dilakukan dengan menggunakan perangkat lunak SKI 2. Sebelum dilakukan perhitungan luas. • • • • Perslapan dan/atau pengadaan Pcrangkat keras dan lunak Citra satelit IKONOS Dokumcn Rencana Tala Ruang Kota Yogyakarta Dokumcn percncanaan rata ruang kota 'iiiimiiiiiiiii!i_iiiiiiilPliiciin~ilo. Peningkatan kualitas geometrik citra satelit IKONOS tingkat geo dilakukan dengan menggunakan 10 buah titik kontrol tanah hasil pengamatan GPS. Pada penelitian ini koreksi geometri menggunakan transformasi polinomial orde 1 dan metode resampl ingnya menggunakan neirest neighbor. Diharapkan dengan alokasi waktu tersebut sudah dapat diperoleh konstelasi dan data ephemeris satelit GPS yang cukup teliti.4 Tahun XXVIII Edisi Nopember 2006 No. Sebelum dilakukan ekstraksi informasi tematik penggunaan lahan di Kota Yogyakarta.ISSN 0216-3012 .ahan digital I _11 Analisis (Map Info) T Hasil dan Rekomendasi - Gambar I. Titik kontrol tanah (GCP) diperoleh dengan melakukan pengukuran menggunakan GPS metode radial. Perhitungan luas setiap kelas penggunaan lahan dilakukan setelah semua obyek yang nampak pada IKONOS sudah terklasifikasi. et al (1981).ditentukan posisinya yaitu disekitar ring road utara. Pada penelitian ini dipergunakan skema klasifikasi yang dikembangkan oleh Sutanto. Tahap editing data dilakukan agar data pengamatan GPS tersebut siap digunakan untuk proses pengolahan. Data hasil pengukuran GPS selanjutnya diolah untuk mendapatkan koordinat dan ketelitian titik kontrol tanah tersebut. Prosedur pengolahannya terdiri dari 2 tahap. Tahap pengolahan ini meliputi pengolahan absolute positioning yang fungsinya 28 sebagai koordinat pendekatan dan pengolahan secara diferensial untuk mendapatkan posisi definitif titik-titik kontrol tanah tersebut. pengolahan dan transformasi koordinat. digitasi on screen. terlebih dahulu harus ditentukan skema klasifikasi yang dipergunakan.- Transformasi Titik Kontrol Tanah kc Sislem UTM (X. ring road selatan. yaitu tahap editing data. HASIL DAN PEMBAHASAN Titik kontrol tanah digunakan sebagai titik kontroI untuk koreksi geometris citra. Hal ini dilakukan karen a dari beberapa penelitian pendahuluan. Hasil akhir dari tahap pengolahan adalah koordinat titik kontrol tanah dalam sistem geodetik dan tingkat ketelitiannya. ring road timur.. sedangkan tahap pengolahan digunakan untuk mendapatkan posisi definitif titik kontrol tanah. MEDIA TEKNIK No. Untuk itu pemilihan titik kontrol tanah dilakukan dengan sangat hati-hati. dan di JL Magelang.a . Perl u diperhatikan bahwa ketelitian koreksi geometrik sangat ditentukan oleh titik kontrol tanahnya. dan klasifikasi (Er Marmer] Cek Lapangan Pcta Pcnggu naan L Koordinat Titik Kontrol Tanah dim sistem Geodctik (4).lallha. Tahap akhir dari proses pengolahan data GPS adalah melakukan trans fonnas i koordinat titik-titik kontrol tanah dari sistem koordinat geodetik ke sistem koordinat UTM.al.30. Hasil pengolahan dan ketelitian koordinat titik kontrol tanah disajikan dalam Tabel 2. h) .nIiD. penggunaan digital classification untuk daerah yang sangat heterogen (seperti daerah Kota Yogyakarta) dan menggunakan citra satelit resolusi tinggi. terlebih dahulu dilakukan pengecekan hasil digitasi dengan cara melakukan anal isis SIG yaitu overlay citra IKONOS terhadap kelas penggunaan lahan di Kota Yogyakarta memakai perangkat lunak Map Info.. Lama waktu yang diperlukan oleh setiap rover untuk melakukan pengamatan GPS adalah 30 men it dengan sampling rate. Teknis operasional koreksi geometrik menggunakan perangkat lunak Er Mapper. JL HOS Cokromatinoto. -------. J. justru menyebabkan informasi yang penting (antara lain: jaringan jalan) tidak dapat terdeteksi. Untuk pengenalan obyek dipergunakan cara interpretasi visual dengan menggunakan kunci interpretasi dan ekstraksi informasi penggunaan lahan menggunakan cara digitasi secara langsung dimonitor.Y) Dokumen Rencana Tata Ruang Kola Yogyakarta t."11 • Citra IKONOS tingkat geo Pengukuran Tjtik Kontrol Tanah dcnaan GPS Pcngolahan Data GPS (SKI) I I Pcrbaikan Kunlitas Gcomctrik Citra IKONOS Intcrprctasi visual.

93721 S 74940.0008 m 0.32234 1102253.0006 m 0. yaitu: metode penentuan posisi yang digunakan.27 0.837 431814. Dari 10 titik kontrol diperoleh jumlah nilai residu rata-rata sebesar 0.0008 III 0.73 8893.11 7388.84 3861.0014 III 0.942 434763.0019 m untuk tingginya.23221 S 7 49 42.236 9138083.29 X 431283.36 0.83 212.0027 0.4289 163. dan 0.87 4761.73 7664.708 9141529.36 7245.80609 I 10 21 41.9024 099.66232 11023 18.2472 104. Distribusi Titik Kontrol Tanah Pada Citra IKONOS Komposit.09379 1102429.0008 III 0.0015 0.543 9137848.0017 0.770 429615.0006 0.84 1190.0006 0.70 0.43786 1102122.24328 S 7 50 2. dengan pertimbangan tidak merubah piksel.68 0.569 9134001.3165 173.65476E 11025 19.0007 0.0013 m untuk bujur.02331 S 7 45 50.882 432592.47 431.0008 In 0.08 4429.950 429015.402 m. Dalam penel itian ini digunakan lO titik sekutu dengan distribusi yang rnerata di seluruh daerah penelitian.99804 110217.74 7922. seperti pada Garnbar 2.50720 S SLat Koordinat Titik Kontrol Tanah Longitude SlolI m m m m m m ill Height 156.893 9138036. 0. 1996) sehingga hasil RMS rata.0007 0.0006 0.ISSN 0216-3012 29 . pengukuran GPS menggunakan metode differensial baseline radial. dkk (1981).0021 m untuk lintang. 0.166 9141443.20 3907. geometri dan distribusi dari satelit yang diamati. Skema klasifikasi penggunaan lahan dikategorikan dalam bagian: MEDIA TEKNIK No.0024 0.0021 m m 1102236. Interpolasi nilai spektral (resampling) menggunakan metode tetangga terdekat (nearest neighbour ).402 m telah memenuhi persyaratan tersebut.62 7311.0656 132. Dalam penelitian ini koreksi geometri dilakukan dengan data acuan berupa titik-titik kontrol tanah hasil Skema Klasifikasi Penggunaan Lahan Skema klasi fikasi yang dipergunakan pada penelitian ini mengadopsi pada skema klasifikasi penggunaan lahan yang telah dikembangkan oleh Sutanto. Tabel 3.10136 S 746 0.44 0.0019 0.315 Penentuan Gambar 2.846 435047. Nilai RMS yang dapat diterima adalah kurang dari 0.28 517.676 Y 9140650.0008 0.0027 0.0011 III 0.956 9141753.5850 I S 74749.04 1306.868 436281.16 5219.41 4092.323 9134680.0022 0.0018 0.5 piksel (Jansen.09 0.77517E 110 24 39.Tabel 2.4 Tahun XXVIII Edisi Nopember 2006 No.8661 105.39 0.41 Koordinat Peta (m) RMSE (m) 0.0069 m m m m m m m m m m m m m m m m Dari Tabel 2. dapat dilihat bahwa seluruh koordinat titik kontrol tanah hasil pengolahan baseline memiliki ketelitian dalam fraksi milimeter.0008 0.01 2229. Metode yang digunakan dalam transformasi koordinat adalah fungsi polinomial orde satu.0011 III 0.049 9134616.22684 S 747 57. Daftar Titik Kontrol Tanah dan Harga RMSE No Titik I 2 3 4 5 6 7 8 9 10 BLV MDL JNT UPN JMB SLKM TVRI UMY BNT GWG Koordlnat Citra (piksel) Baris Kolom 3899.68217S 74751.30 1642.79 0. Standar deviasi maksimum terdapat pada titik GWG dengan standar deviasi 0. Koordinat Titik Kontrol Tanah Hasil Pengolahan No I 2 3 4 5 6 7 8 9 10 Titik BLY BNT JMB JNT MNDL SLKM TYRI UMY UPN GWG dan Keteiitiannya dalam Sistem Koordinat Geodetik Latitude 74625. dan 0. Hasil pengolahan menunjukkan bahwa simpangan baku minimum terdapat pada titik UMY dengan standar deviasi 0.0013 m Fix 0.53 0.0006 m untuk Iintang.18253 110 23 4.85121 E E E E E E E E Fix 0.12797 S 7 45 57.rata sebesar 0.402 piksel atau 0.0069 m untuk tingginya.0021 0.168 428568. ketelitian data yang digunakan.101 432141. Ketelitian posisi hasil pengolahan di atas dipengaruhi oleh beberapa faktor.0006 m untuk bujur. Adapun titik kontrol tanah dan besamya residu pada setiap titik kontrol tanah dapat dilihat pada Tabel 3.9236 m m ill sH Fix 0.3132 166. dan metode pengolahan data yang diterapkan.1495 131.1790 128.

58 77. Transportasi.61 20.402.32 38. sehingga dapat digunakan untuk keperluan manajemen kota secara detail. atau rekreasi. tempat ibadah. tailor.ISSN 0216-3012 . Pemukiman. Ada beberapa area di pinggir citra IKONOS yang tidak dapat diinterpretasi penggunaan lahannya (pada IKONOS terlihat hitam pekat). sedangkan di dalam kota relatif tetap. perkebunan bibit yang secara administrasi masih masuk dalam wilayah administrasi Kota Yogyakarta.96 24.768.956. rumah praktek pengacara) 7. yang terdiri dari: pasar. Adapun 9 kelas tersebut meliputi: (I). gereja 9. yang terdiri atas lapangan olah raga. Pertanian.4 Tahun XXVIII Edisi Nopember 2006 No.998. citra IKONOS dikategorikan dalam 9 kelas penggunaan lahan.865. Skema klasifikasi penggunaan lahan dari citra satelit IKONOS perlu dibuat lebih detail. 4. stasiun 6. dan lain-Iain/lahan kosong. yang berupa jalan raya dengan berbagai kelas. gedung olah raga. dengan ciri: pola teratur dan ada beberapa yang mempunyai pola khusus. transportasi. Pada penelitian ini.375. rumah makan. Sering ditemukan. jasa. Perubahan tersebut terutama di sekitar jalur ring road. citra IKONOS memiliki luas 78. Pengecekan lapangan menunjukkan terjadi perubahan penggunaan lahan di daerah pinggiran kota.768. Luas jalan dan sungai belurn dihitung. No. Ketelitian geometrik citra satelit IKONOS tingkat geo dapat ditingkatkan dengan menggunakan titik kontrol tanah hasil pengamatan metode OOPS.545.844. perdagangan. suatu obyek yang dapat dikategorikan dalam kelas-kelas yang berbeda. rumah sakit. tempat ibadah.4 piksel (di bawah 0. misalnya identifikasi dan delineasi dengan unit spasial persil atau obyek. misalnya rumah bangsawan di kraton. hasil identifikasi dan delineasi penggunaan lahan di Kota Yogyakarta tersebut dapat dihitung luasnya. maka dapat disajikan penggunaan lahan pada status Juni 2001 di Yogyakarta. Rekreasi.60 4. yang dapat berupa tempat pernakaman umum dan lahan kosong Jdentifikasi dan Digitasi Citra IKONOS Penggunaan Lahan Pada citra Er Mapper. dan (9). (8). Lain-lain. transportasi. Tabel 4. Luas Masing-Masing Lahan No I 2 3 4 5 6 7 8 Penggunaan Jasa Lahan Kelas Penggunaan Luas Total (m') 6. Penggunaan Lahan di Kota Yogyakarta Pengecekan di lapangan menunjukkan adanya perubahan penggunaan lahan di daerah pinggiran kota.1. industri. misalnya: kawasan Malioboro dapat dikategorikan sebagai kawasan perdagangan. tegalan. Saran DAN SARAN Berdasarkan skema klasifikasi yang dipakai. rekreasi. 2.358. yaitu dari kelas pertanian menjadi pemukiman atau jasa. Perdagangan.206. (2).139.206. pertanian. bank. jasa. Dalam penelitian ini. yang terdiri dari pabrik-pabrik 5. rekreasi. Dengan memanfaatkan teknologi SIG. pernukiman. Dari citra satelit IKONOS dapat diekstrak 9 kelas penggunaan lahan. kebun binatang. (4).461. faktor yang paling dominan yang dipakai untuk menentukan jenis kelas penggunaan lahan tersebut. pertokoan. (5).701. Jasa. kolam renang. (3). yang terdiri atas persawahan. identifikasi obyek untuk klasifikasi bukanlah suatu pekerjaan yang rnudah. pusat perbelanjaan. dari kelas pertanian menjadi pemukiman atau perdagangan. Dalam teknis opersional. (7). dan apotik 3. Industri. Perbedaan luas yang cukup besar ini dapat disebabkan oleh beberapa faktor: (1). dan rumah praktek dokter. dan sekolah).175. jasa.5 piksel) 2. perdagangan. Tabel 4 menyajikan luas setiap kelas penggunaan lahan di Kota Yogyakarta. dan (2). Berdasarkan interpretasi penggunaan lahan dari citra IKONOS luas Kota Yogyakarta adalah 77.680. non kelembagaan (antara lain: bengkel. gedung pertunjukan/kesenian 8. reI KA (Kereta Api). yaitu pemukiman.478 m . Tempat ibadah. antara lain masjid. pertanian. stadion. KESIMPULAN Kesimpulan I. Hal ini terlihat dari jumlah nilai rerata residu yang besamya 0.14 m2 sedangkan berdasarkan hasil statistik perangkat lunak pengolah 30 MEDIA TEKNIK 1.03 8.14 Lahan Kosonz Industri Rekreasi lbadah Pernukiman Perdagangan Pertanian Jumlah Luas Pada penentuan skema klasifikasi penggunaan lahan diperlukan kunci interpretasi. I7 19. sehingga diperlukan suatu panduan yang jelas. industri.240.87 422. lain-Iain/lahan kosong. yang terdiri atas kelembagaan (antara lain: perkantoran. (6).

Dip. Japan Association on Remote Sensing. Huxhold. Puspic UGM Transavia Infonnatika Pratama. MEDIA TEKNIK No. 2002. Germany Lillesand and Kiefer. 2003. 2006.. Tesis Magister Teknik Teknik Geomatika. Gunawan. New York. Nasional. 2000. DAFTAR PUSTAKA Jurusan Teknik Geodesi FT-UGM. Jensen. Space Imaging Inc.3 SE 2. A... A. Remote Sensing and Image Interpretation. New York. PE & RS Journal. Penggunaan Foto Udara Untuk Pembuatan Peta Penggunaan Lahan Kota Kotamadya Yogyakarta. Pembuatan Peta Penggunaan Lahan Kabupaten Bantul Menggunakan Citra Satelit Landsat 7 ETM+ Tahun 2000. E. Sekolah Pascasarjana UGM Sutanto.ISSN 0216-3012 31 . Sekolah Pascasarjana UGM Wolf. Nihon Printing Co. Publikasi No. Gluch. Colorado. 1.. Vol 68. 2002. Pembuatan Peta Penggunaan Lahan Kabupaten Sleman Menggunakan Citra Satelit Landsat 7 ETM+ Tahun 2000. 1996. Bandung.. 1994. Version 1. 1. Skripsi. Sekolah Pascasarjana UGM Epstein. 2nd Edition. Westiyani. P. Kajian Penggunaan Data Citra Satelit ASTER Untuk Pemetaan Penggunaan Lahan di Wi/ayah Pesisir (Studi Kasus di Daerah Pantai Selatan DIY). dapat di tambahkan data infrastruktur yang detail dengan unit spasial persial. Djoewadi. 2000. 2005. K. Techniques for Mapping Urban Sprawl. S. Yogyakarta Space Imaging. Dissertation. McGraw-Hili Book Company.. Aula Timur ITB. 2004... Introductory Digital Image Processing: A Remote Sensing Perspective. and Kramer.2... Second Edition. ITC Publication No. Anggorowati. 1996. ITe Rubiasih. Yogyakarta). R. Yogyakarta. T. 1993.II/LPN/2003 tertanggal 2 Juni 2003 serta Ir. Sekolah Pascasarjana UGM ENVI. K. Japan. 39. Boulder CO 80301.. 1996. Penentuan Citra Satelit IKONOS untuk Penentuan Priotritas Pendataan PBB di Kola Semarang. Gunadi.D. Seminar Geomatika. Yulianti. Vol 68.. Yogyakarta Kleusberg. 2005. R. Urban Growth Detection Using Texture Analysis on Merged Landsat TM and SPOT-P Data. Skripsi. Springer-Verlag Berlin. An Introduction Geographic Information Systems. UCAPAN TERIMAKASIH Kartesa.R. Research System. John Wiley and Sons Pohl.. Skripsi. Number 9. and Teunissen. I. GPSfor Geodesy. PT. Payne. Elements of Photogramnietry. W. Tesis Magister Teknik Skripsi. Jurusan Teknik Geodesi FT-UGM. E. Ph.. 1991. P. Magister Teknik Geomatika. A. J.. Pemodelan Dinamis Wilayah Dengan SIG Berwawasan Untuk Pengembangan Lingkungan. Prentice Hall Inc. 80241. The Environment for Visualizing Images: ENVI User's Guide.. 4th Edition. 1981. JARS. Penulis menyampaikan ucapan terimakasih kepada Lembaga Penelitian UGM yang telah memberikan kesempatan penggunaan dana penelitian melalui Anggaran Dana Masyarakat Universitas Gadjah Mada berdasarkan Surat Perjanjian Pelaksanaan Penelitian No. Remote Sensing Note. Tesis Magister Geomatika. Tesis Number 12. to Urban Oxfor University Press. 1983. C. 25881P. Jurusan Teknik Geodesi FT-UGM. USA Swartoko. Pemanfaatan Citra IKONOS untuk Mengidentifikasi Jenis Penggunaan Lahan bagi Kepentingan PBB.1. Yogyakarta Arwiyanto. 2003. Ltd.C.... Pembuatan Peta Penggunaan Lahan Kabupaten Kulon Progo Menggunakan Citra Satelit Landsat 7 ETM+ Tahun 2000. N.Sc atas koreksi dan saran-sarannya. M. W. 2003. New Jersey. IKONOS Imagery Products and Product Guide. 2002. Identifikasi Perubahan Penggunaan Lahan Menggunakan Citra IKONOS Tahun 2000 dan Quick Bird Tahun 2003 untuk Pemeliharaan Basis Data Pajak Bumi dan Bangunan (Studi Kasus Kelurahan Giwangan. PE & RS Journal.4 Tahun XXVIII Edisi Nopember 2006 No. Untuk keperluan manajemen kota secara detail (sesuai dengan saran 1).. G. Kajian Penggunaan Citra Satelit IKONOS dan Quick Bird untuk Kepentingan Pemeliharaan Basis Data SfSMIOP (Studi Kasus di KP PBB Bandung Satu) .2003. USA Jurusan Teknik Geodesi FT-UGM. Umbulharjo. Geometric Aspects of Multisensor Image Fusion for Topographic Map Updating in The Humid Tropics. Aryono Prihandito.

Sign up to vote on this title
UsefulNot useful