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
PENGGUNAAN CITRA RADAR SENTINEL-1
UNTUK IDENTIFIKASI TUTUPAN LAHAN
DI KABUPATEN PAKPAK BHARAT
SKRIPSI
OLEH :
YUSNIZAR VERONICA DAMANIK
141201120
DEPARTEMEN MANAJEMEN HUTAN
FAKULTAS KEHUTANAN
UNIVERSITAS SUMATERA UTARA
2018
Universitas Sumatera Utara
3
PENGGUNAAN CITRA RADAR SENTINEL-1
UNTUK IDENTIFIKASI TUTUPAN LAHAN
DI KABUPATEN PAKPAK BHARAT
SKRIPSI
Oleh :
YUSNIZAR VERONICA DAMANIK
141201120
Skripsi sebagai salah satu syarat untuk memperoleh
Gelar Sarjana Kehutanan di Fakultas Kehutanan
Universitas Sumatera Utara
DEPARTEMEN MANAJEMEN HUTAN
FAKULTAS KEHUTANAN
UNIVERSITAS SUMATERA UTARA
2018
Universitas Sumatera Utara
4
Universitas Sumatera Utara
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
Universitas Sumatera Utara
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
Universitas Sumatera Utara
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
Universitas Sumatera Utara
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
Universitas Sumatera Utara
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
Universitas Sumatera Utara
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
Universitas Sumatera Utara
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
Universitas Sumatera Utara
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
Universitas Sumatera Utara
13
DAFTAR LAMPIRAN
No. Halaman
1. Tipe Tutupan Lahan ................................................................................... 45
2. Pengambilan Titik Koordinat Menggunakan GPS ....................................... 46
ix
Universitas Sumatera Utara
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
Universitas Sumatera Utara
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
Universitas Sumatera Utara
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.
Universitas Sumatera Utara
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).
Universitas Sumatera Utara
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
Universitas Sumatera Utara
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
Universitas Sumatera Utara
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
Universitas Sumatera Utara
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
Universitas Sumatera Utara
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
Universitas Sumatera Utara
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°
Universitas Sumatera Utara
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
Universitas Sumatera Utara
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
Universitas Sumatera Utara
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
Universitas Sumatera Utara
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
Universitas Sumatera Utara
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.
Universitas Sumatera Utara
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
Universitas Sumatera Utara
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
Universitas Sumatera Utara
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
Universitas Sumatera Utara
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.
Universitas Sumatera Utara
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)
Universitas Sumatera Utara
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
dengan warna hijau tua
bercampur abu-abu dan
sedikit ungu dan
polanya tidak teratur
tapi teksturnya halus
Universitas Sumatera Utara
22
6. Pertanian
Tutupan lahan pertanian
hampir serupa dengan
tutupan lahan terbuka
dengan warna hijau tua
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
pada citra ini ditandai
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
ditandai dengan warna
biru muda dengan coklat
muda keabuan dan
teksturnya halus
Universitas Sumatera Utara
23
3. Lahan
Terbuka
Tutupan lahan terbuka
pada citra ini ditandai
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
ditandai dengan warna
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
Universitas Sumatera Utara
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).
Universitas Sumatera Utara
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
Universitas Sumatera Utara
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
Universitas Sumatera Utara
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
Januari -13.642 2.601 NaN NaN
Februari -13.752 2.485 NaN NaN
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
Universitas Sumatera Utara
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
Max Min Rataan Median Koef.
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
Universitas Sumatera Utara
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
Januari -14.143 2.190 NaN NaN
Februari -13.840 2.035 NaN NaN
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.
Universitas Sumatera Utara
30
Tabel 11. Rataan dan Koefisien Variasi Backscatter Tutupan Lahan Terbuka Untuk
Masing-Masing Bulan Lahan Terbuka Total
Pixel
Max Min Rataan Median Koef.
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.
Universitas Sumatera Utara
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
Januari -13.416 3.243 NaN NaN
Februari -13.931 3.193 NaN NaN
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.
Universitas Sumatera Utara
32
Tabel 13. Rataan dan Koefisien Variasi Backscatter Tutupan Lahan Pemukiman Untuk
Masing-Masing Bulan Pemukiman Total
Pixel
Max Min Rataan Median Koef.
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.
Universitas Sumatera Utara
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
Januari -13.471 3.084 NaN NaN
Februari -13.936 3.021 NaN NaN
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.
Universitas Sumatera Utara
34
Tabel 15. Rataan dan Koefisien Variasi Backscatter Tutupan Lahan Perkebunan Untuk
Masing-Masing Bulan Perkebunan Total
Pixel
Max Min Rataan Median Koef.
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
Universitas Sumatera Utara
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
Januari -13.663 2.692 NaN NaN
Februari -13.778 2.582 NaN NaN
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.
Universitas Sumatera Utara
36
Tabel 17. Rataan dan Koefisien Variasi Backscatter Tutupan Lahan Pertanian Untuk
Masing-Masing Bulan Pertanian Total
Pixel
Max Min Rataan Median Koef.
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.
Universitas Sumatera Utara
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
Januari -13.472 3.025 NaN NaN
Februari -13.956 2.980 NaN NaN
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.
Universitas Sumatera Utara
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.
Universitas Sumatera Utara
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
Januari -14.093 2.216 NaN NaN
Februari -13.671 2.114 NaN NaN
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
Max Min Rataan Median Koef.
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
Universitas Sumatera Utara
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).
Universitas Sumatera Utara
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.
Universitas Sumatera Utara
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.
Universitas Sumatera Utara
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.
Universitas Sumatera Utara
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.
Universitas Sumatera Utara
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
Universitas Sumatera Utara
46
Tutupan Lahan Semak Tutupan Lahan Badan Air
Lampiran 2. Pengambilan Titik Koordinat Menggunakan GPS
Hutan Pertanian
Semak Badan Air
Universitas Sumatera Utara
47
Perkebunan Pemukiman
Lahan Terbuka Agroforestry
Alat dan Perlengkapan Penelitian
Universitas Sumatera Utara