Urban planning indicators, morphology and climate indicators: A case study for a north-south transect of Beijing, China

Caijun Zhao a, Guobin Fu b,c,*, Xiaoming Liu d, Fan Fu e

a) China Urban Construction Design & Research Institute, Beijing 100029, PR China
b) Key Laboratory of Water Cycle & Related Land Surface Processes, Institute of Geographical Science and Natural Resources Research, Chinese Academy of Sciences,
Beijing 100101, PR China
c) CSIRO Land and Water, Private Bag 5, Wembley, WA 6913, Australia
d) School of Landscape Architecture, Beijing Forestry University, 35 Qinghua East Road, Beijing 100083, PR China
e) School of Architecture, North China University of Technology, 5 Jinyuanzhuang Road, Beijing 100041, PR China

Keywords: Urban planning indicators, Urban morphology, Green cover ratio, Surface temperature, Climate change adaptation

a b s t r a c t
Eleven sites, representing different urban morphologies across central Beijing, are used to simulate urban heat island effects and explore the relationship between urban planning indicators and climate indicators such as daily maximum and minimum surface temperatures. The results indicate that mesoscale urban planning indicators can explain the majority of the urban climate differences among the sites. For example, green cover ratio and floor area ratio can explain 94.47-98.57% of the variance for daily maximum surface temperature, green cover ratio and building height can explain 98.94-99.12% of the
variance for daily minimum surface temperature, and floor area ratio, green cover ratio and building density together can explain 99.49-99.69% of the variance for time of peak surface temperature. Furthermore, green cover ratio is identified as the most significant urban planning indicator affecting the urban thermal environment.

2010 Elsevier Ltd. All rights reserved.

References

[1] Simonds JO. Landscape architecture: a manual of site planning and design. New York: McGraw-Hill Professional; 2007.
[2] Olgyay V. Design with climate: bioclimatic approach to architectural regionalism. Princeton, NJ: Princeton University Press; 1963.
[3] Johansson E. Influence of urban geometry on outdoor thermal comfort in a hot dry climate: a study in Fez, Morocco. Build Environ 2006;41:1326e38.
[4] Eliasson I, Knez I, Westerberg U, Thorsson S, Lindberg F. Climate and behaviour in a Nordic city. Landscape Urban Plann 2007;82:72e84.
[5] Huang LM, Li HT, Zha DH, Zhu JY. A fieldwork study on the diurnal changes of urban microclimate in four types of ground cover and urban heat island of Nanjing, China. Build Environ 2008;43:7e17.
[6] Fahmy M, Sharples S. On the development of an urban passive thermal comfort system in Cairo, Egypt. Build Environ 2010;44:1907e16.
[7] Zhang CL, Chen F, Miao SG, Li QC, Xia XA, Xuan CY. Impacts of urban expansion and future green planting on summer precipitation in the Beijing metropolitan area. J Geophys Res 2009;114:D02116. doi:10.1029/2008JD010328.
[8] Shashua-Bar L, Tsiros IX, Hoffman ME. A modeling study for evaluating passive cooling scenarios in urban streets with trees. Case study: athens, Greece. Build Environtment 2010;45:2798e807.
[9] Yang F, Lau SSY, Qian F. Summertime heat island intensities in three high-rise housing quarters in inner-city Shanghai China: building layout, density and greenery. Build Environ 2010;45:115e34.
[10] Wang AH. Cosmology and political culture in early China. Cambridge: CambridgeUniversity Press; 2000.
[11] Wang YL. Geomantic configuration and ancient Chinese city planning. Shanxi Architecture 2004;30(20):12e3 [in Chinese: English Abstract].
[12] Oke TR. Boundary layer climates. London: Methuen & Co. Ltd; 1978.
[13] Hasyim AW. Urban climate: poor land use management as a factor on urban heat island (UHI) a case of Klojen sub district in Malang city. Retrieved from, https://awhasyim.wordpress.com/; September 17 2008.
[14] Greater London Authority. London’s urban heat island: a summary for decision makers. London: Greater London Authority; 2006.
[15] Whitford V, Handley J, Ennos R. City formand natural processdindicators for the ecological performance of urban areas. Landscape Urban Plann 2001;57:91e103.
[16] Gill SE. Climate change and urban greenspace. Retrieved from, http://www.greeninfrastructurenw.co.uk; 2006.
[17] Pauleit S, Ennos R, Golding Y. Modeling the environment impacts of urban land use and land cover change e a study in Merseyside, UK. Landscape Urban Plann 2005;71:295e310.
[18] Niachou K, Livada I, Santamonris M. Experimental study of temperature and airflow distribution inside an urban street canyon during hot summer weather conditions – Part I: air and surface temperatures. Build Environ 2008;43: 1383e92.
[19] Xiao RB, Weng QH, Ouyang ZY, Li WF, Schienke W, Zhang ZM. Land surface temperature variation and major factors in Beijing, China. Photogram Eng Remote Sensing 2008;74(4):451e61.
[20] Oke TR. Towards better scientific communication in urban climate. Theor ApplGenet 2006;84:179e90. doi:10.1007/s00704-005-0153-0.
[21] Oke TR. Street design and urban canopy layer climate. Energy Build 1988;11:103e13.
[22] Priyadarsini R, Wong HH, Cheong KWD. Microclimatic modelling of the urban thermal environment of Singapore to mitigate urban heat island. Sol Energy 2008;82:727e45.
[23] Doulos L, Santamouris M, Livada I. Passive cooling of outdoor urban spaces:the role of materials. Sol Energy 004;77(2):231e49.
[24] Oke TR. City size and the urban heat island. Atmos Environ 1973;7:769e79.
[25] Oke TR. The energetic basis of the urban heat island. Q J Roy Meteor Soc 1982;108(455):1e24.
[26] Akbari H, Rose LS, Taha H. Analyzing the land cover of an urban environment using high-resolution orthophotos. Landscape Urban Plann 2002;63:1e14.
[27] Kalnay E, Cai M. Impact of urbanization and land-use change on climate. Nature 2003;423(6939):528e31.
[28] Li YM, Zhang JH, Gu RZ. Research on the relationship between urban greening and the effect of Urban Heat Island. Chin Landscape Architecture 2004;1:72e5 [in Chinese: English Abstract].
[29] Zhang X, Zhong T, Wang K, Cheng Z. Scaling of impervious surface area and vegetation as indicators to urban land surface temperature using satellite data. Int J Remote Sens 2009;30(4):841e59. doi:10.1080/01431160802395219.
[30] Beijing Municipal Bureau of Statistics. Beijing statistical yearbook 2006. Beijing: China Statistics Press; 2006 [in Chinese].
[31] Zheng ZF, Zheng Y, Li QC. Effect of urbanization on the temperature of Beijing metropolis in recent 30 years. Chin J Eco-Agriculture 2007;15(4):26e9. in Chinese: English Abstract].
[32] Yan ZW, Li Z, Li QX, Jones P. Effects of site change and urbanisation in the Beijing temperature series 1977-2006. Int J Climatol 2010;30(8):1226e34.
[33] Beijing Municipal Commission of Urban Planning. Master plan of Beijing from 2004 to 2020. Retrieved from, http://www.bjghw.gov.cn/ztgh; 2005 [in Chinese].
[34] Ching JKS, Clarke JF, Godowitch JM. Modulation of heat flux by different scales of advection in an urban environment. Bound-Lay Meteorol 1982;25:171e91.
[35] Fu GB, Charles SP, Yu JJ, Liu CM. Decadal climatic variability, trends and future scenarios for the North China Plain. J Clim 2009;22:2111e23.
[36] Oke TR. The micrometeorology of the urban forest. Philos T Roy Soc B 1989;324(1223):335e49.
[37] Tso CP, Chan BK, Hashim MA. An improvement to the basic energy balance model for urban thermal environment analysis. Energy Build 1990;14: 143e52.
[38] Tso CP, Chan BK, Hashim MA. Analytical solutions to the near-neutral atmospheric surface energy balance with and without heat storage for urban climatological studies. J Appl Meteorol 1991;30:413e24.
[39] Wu F, Li SH, Liu J. Effects of urban green space with different vegetation quantity Leaf area on temperature and humidity. Chin Landscape Architecture 2006;7:56e60. in Chinese: English Abstract].
[40] Georgi JN, Dimitriou D. The contribution of urban green spaces to the improvement of environment in cities: case study of Chania, Greece. Build Environ 2010;45:1401e14.
[41] Alexandri E, Jones P. Temperature decreases in an urban canyon due to green walls and green roofs in diverse climates. Build Environ 2008;43(4):480e93.
[42] Fioretti R, Palla A, Lanza LG, Principi P. Green roof energy and water related performance in the Mediterranean climate. Build Environ 2010;45(8): 1890e904.

KUALITAS DATA CITRA LANDSAT ETM PADA PERUBAHAN GUNA LAHAN RTH DENGAN MENGGUNAKAN SCATTERGRAM (Studi Kasus: Pemukiman Kotamadya Surabaya)

Oleh:
Teguh Hariyanto1), Abdul Wahid Hasyim2),,M. Taufik1), Haryo Sulistyarso3)
teguh_hr@geodesy.its.ac.id, https://awhasyim.wordpress.com/,
taufik_srmd@yahoo.com, fiefa07@yahoo.com

Dosen Pasca Sarjana Teknik Sipil FTSP-ITS, bidang Penginderaan Jauh
Jurusan Perencanaan Wilayah dan Kota Universitas Brawijaya Malang, sedang menempuh S3 Penginderaan Jauh di Institut Teknolologi Sepuluh Nopember (ITS) Surabaya,
Dosen Pasca Sarjana Teknik Sipil FTSP-ITS, bidang PWK

Abstraksi

Pantulan spectral dan panjang gelombang dapat menunjukkan dan membedakan material permukaan lahan misalnya: air, lahan kering, dan tumbuhan. Spectral adalah daya pisah objek berdasarkan besar spektrum elektromagnetik yang digunakan untuk perekaman data dan mempengaruhi besarnya radiometrik (derajat keabuan).
Citra Landsat ETM (Enhanced Thematic Mapper) memiliki keunggulan saluran pankromatik (0,50-0,90) μm dengan resolusi 15x15m dari citra Landsat TM (Thematic Mapper) pendahulunya, namun memiliki kemampuan relatif sama pada saluran-salurannya, yaitu menggunakan panjang gelombang tampak (visible), inframerah dekat (NIR), inframerah pendek (MIR), dan inframerah termal (TIR). Berdasarkan pantulan materi (spectrum) dan panjang gelombangnya, perubahan guna lahan pada tutupan lahan (land cover) dapat diinformasikan melalui salah satu saluran terkuatnya diantara 7 saluran (band) yang ada. Seperti pada website http://landsat.gsfc.nasa.gov (2011), bahwa citra landsat saluran 1, 2, dan 3 dinyatakan mampu mendeteksi bangunan buatan (man-made feature identification) dibanding saluran lainnya.
Menggunakan metode klasifikasi Maximum Likelihood dan teknik overlay pada SIG diperoleh hasil klasifikasi pemukiman tahun 2002 seluas 63,16 Km², dan tahun 2009 seluas 79,30 Km², atau terjadi perluasan pemukiman seluas 16,15 Km² (20,36%) dan merubah guna lahan ruang terbuka hijau (RTH) seluas 3,4 Km².

Kata kunci: Kualitas Data Citra, Perubahan Guna Lahan, Scattergram

1. Pendahuluan
1.1 Latar Belakang
Tidak selalu perekaman data citra menghasilkan kualitas citra yang prima, oleh sebab itu pada citra Landsat ETM yang akan digunakan terdapat informasi, salah satunya adalah besar prosentase tutupan awan pada citra yang selanjutnya tergantung pilihan apakah akan digunakan atau tidak. Pada penelitian ini dipilih citra Landsat ETM dengan tutupan awan dibawah 10% agar tidak terlalu banyak informasi yang hilang dan mendekati kondisi tutupan lahan sebenarnya.
Seiring dengan pertumbuhan penduduk yang 1.5% tiap tahun hingga tahun 2009 telah mencapai jumlah penduduk 3 jutaan jiwa. Dampak langsungnya kebutuhan pertumbuhan pemukiman mengalami kemajuan yang pesat mengikuti pertambahan jumlah penduduk. Melalui teknologi penginderaan jauh dan SIG, perubahan guna lahan berupa kawasan pemukiman baru sejak tahun 2002 hingga 2009 dapat teridentifikasi.
Kota Surabaya yang memiliki luas 335.4Km², merupakan kota terbesar ke dua memiliki daya tarik bagi pendatang sebagai pusat bisnis, perdagangan, industri, dan pendidikan di kawasan Indonesia timur, yang tidak jarang akhir-akhir ini mengalami permasalahan perkotaan akibat beban kota yang meningkat. Disusulah pertanyaan penelitian berikut; Bagaimanakah pertumbuhan pemukiman dan perubahan guna lahannya sejak tahun 2002 hingga 2009, berdasarkan data citra Landsat ETM?

1.2 Maksud dan Tujuan
Maksud dari penelitian ini adalah memanfaatkan data citra Landsat ETM dengan tutupan awan < 10% untuk menghasilkan klasifikasi dan memperoleh informasi perubahan guna lahan pada pemukiman lebih akurat.
Tujuan dari penelitian ini adalah mengetahui pertambahan luas pemukinan terhadap perubahan guna lahan RTH, dan kualitas data citra yang digunakan.

1.3 Lingkup Pembahasan
Menganalisis klasifikasi pemukiman terhadap kualitas data citra yang digunakan dengan menggunakan scattergram.
Melanjutkan penelitian yang dilakukan (M.Taufik, dkk, 2011) dengan menghitung perubahan guna lahan RTH tahun 2002 pada kawasan pemukiman tahun 2009.

2. Dasar Teori
2.1 Pertumbuhan Pemukiman dan Perubahan Guna Lahan
Kota yang tumbuh dan semakin besar membutuhkan pemukiman yang semakin tinggi seiring dengan bertambahnya kegiatan akibat jumlah penduduk yang meningkat. Seperti dalam sejarah kota-kota di Amerika yang tumbuh karena pengaruh PemDa setempat dan dikuasai oleh sekelompok atau golongan yang berkepentingan terhadap pengembangan pemukiman; banyak penduduk, berarti banyak tawaran kerja, dan akan banyak pembangunan pemukiman: (Eben Fodor, 2001)
…… more people, more jobs, and more real estate development….. Local democracy has-been dominated by "growth coalitions," composed of individuals and enterprises with a direct stake in real estate development.
Kebutuhan pemukiman yang tinggi menjadi tekanan sosial-ekonomi dalam kehidupan diperkotaan yang akan mempengaruhi kecepatan perubahan dan pola ruang guna lahan ( Peter H. Verburga,b, Paul Schota, Martin Dijsta, A. Veldkampb, 2002, Johara T Jayadinata, 1999).

2.2 Deteksi Material Tutupan Lahan
Teknologi penginderaan jauh sangat bergantung pada pantulan spectral dan panjang gelombang yang dapat menunjukkan dan membedakan material tutupan lahan misalnya: air, lahan kering, dan tumbuhan. Selanjutnya dikembangkan untuk mengenali material lain yang lebih beragam tergantung kebutuhannya. Spectral adalah daya pisah objek berdasarkan besar spektrum elektromagnetik yang digunakan untuk perekaman data dan mempengaruhi besarnya radiometrik (derajat keabuan). Pada gambar 1, terdapat hubungan antara pantulan spectrum (reflectance %) terhadap panjang gelombang (wavelenght μm) yang menunjukkan jenis tutupan lahannya. Kisaran panjang gelombang dan pantulan spectrum yang tidak tetap menunjukkan kadar perubahan tutupan lahan yang berbeda sehingga menjadi celah pada penelitian ini untuk diamati.

Gambar 1. Nilai Pantulan Spectral (%) terhadap 3 material: Tumbuhan, Lahan kering, dan Air.
(Sumber: Brandt Tso, Paul Mather, 2009)

2.3 Menggunakan Scattergram
Salah satu cara melihat kualitas data citra secara statistik yang berformat grafik dapat menggunakan scattergram. Scattergram merupakan teknik atau cara menilai kualitas data dan karakteristik sebaran (lokasi) contoh latihan atau contoh kawasan (training area) didalam suatu citra secara geografis (ErMapper, 2006) pada sebuah plot X-Y dengan menunjukkan nilai data antara hubungan dua buah band pada suatu citra.
Karakterisitik tiap band memiliki keunggulan berbeda satu dengan lainnya sesuai dengan kapasitas panjang gelombang () yang mampu direkamnya. Saluran (band) pada citra Landsat ETM memiliki karakteristik sebagai berikut http://landsat.gsfc.nasa.gov (2011);
Band 1: 0.45 – 0.52 μm (biru). Digunakan untuk memetakan kawasan pesisir, tanah/ membedakan jenis tanaman, klasifikasi hutan, dan identifikasi buatan manusia (bangunan, jalan dll.).
Band 2: 0.52 – 0.60 μm (hijau). membedakan jenis dan memantau kesehatan tanaman, identifikasi buatan manusia.
Band 3: 0.63 – 0.69 μm (merah) Identifikasi jenis tanaman, identifikasi buatan manusia
Band 4: 0.76 – 0.90 μm (inframerah dekat). Memantau kelembaban tanah, tanaman, tubuh air (sungai, tambak, danau, dll)
Band 5: 1.55 – 1.75 μm (inframerah pendek). Memantau kadar air pada tanaman
Band 6: 10.4 – 12.5 μm (inframerah termal). Indentifikasi suhu permukaan, memantau; tanaman rusak, kelembaban tanah, awan, gunung berapi
Band 7: 2.08 – 2.35 μm (inframerah pendek). Identifikasi mineral dan jenis batuan, kadar air pada tanaman.

Gambar Karakteristik Band

3. Metodologi
3.1 Lokasi Penelitian
Sebagai kota terbesar di Jawa Timur, Kota Surabaya menghadapi berbagai tuntutan pembangunan mengingat jumlah penduduk yang berkisar 3 juta jiwa dengan tingkat pertumbuhan penduduk 1.5%/tahun menjadikan kegiatan perkotaan semakin meningkat (http://www.surabaya.go.id/dispenduk/?view=artikel&id=1, 2010). Salah satu kebutuhan pembangunan adalah pemukiman guna memenuhi kebutuhan mendasar hidup di kota. Kebutuhan perluasan pemukiman meningkat seiring dengan pertumbuhan penduduk. Pertimbangan lain dipilihnya Kota Surabaya sebagai tujuan lokasi penelitian adalah ketersediaan data citra Landsat 7 ETM tahun 2002 dan 2009

3.2 Alat dan Bahan
PC Intel(R) Core (TM)2 Duo, E4600 @ 2.4 Ghz
GPSMap 60 Csx
Software Mapsource v 6.15.1
ErMapper v7.1
ArcGIS 9.3 dan ArcView 3.3
Citra Landsat 7 ETM tahun 2002 dan 2009

3.3 Metode
Menggunakan klasifikasi terawasi berdasarkan kemiripan maksimum (Maximum Likelihood) pada tiap piksel yang tidak dikenalnya. Melalui perhitungan statistik (rerata variance/covariance), fungsi probabilitas (Bayesian), contoh latihan (training area/ sites) setiap piksel dipastikan masuk dalam kelas yang mana (Brandt Tso, Paul Mather, 2009). Ditulis dengan formula sebagai berikut:

Dimana, nilai Pr (probability) dari w_j (bobot terpilih yang terbesar j) pada vektor x.

3.4 Pengolahan Citra Landsat 7 ETM
Penelitian ini merupakan bagian dari penelitian lain (M. Taufik, dkk, 2011), dengan tahapan kegiatan sedikit berbeda pada uji scattergram (gambar 3.1).

Gambar 3.1 Proses pengolahan Citra

3.5 SLC- OFF Pada Citra Landsat ETM Tahun 2009
Untuk mengisi data citra yang hilang (filling scan gap) sekitar 22% pada piksel dengan tepat, digunakan metode dengan asumsi,
Y≈GX+B
dimana,
Y= bagian utama yang terkena SLC off
G= pengisian histrogram pada citra utama yang terhapus
X= bagian citra pengisi (SLC on)
B= data bias histogram pada citra utama yang terhapus
Seperti yang dilakukan pada citra yang direkam tahun 2009, gambar 3.2a menunjukkan garis-garis hitam sangat jelas yang merupakan data hilang. Pada proses ini proyeksi dan pemotongan wilayah studi (subset) dilakukan setelah pengisian data (gap filling) seperti pada gambar 3.2b.

Gambar 3.2. SLC Off Landsat 7 ETM+ tahun 2009 (a) dan Hasil Gap Filling (b)

4. Hasil dan Diskusi
4.1 Kelas Pemukiman di Perkotaan
Pemukiman merupakan salah satu faktor fasilitas kebutuhan yang harus dipenuhi sebagai elemen perkotaan (Djoko Sujarto,1982; dalam AWHasyim, 1995). Ketertarikan tinggal di perkotaan menjadi sangat kuat (pull forces) karena berbagai kemudahan ditawarkan, antara lain: pusat hiburan, pusat komersial, pusat pendidikan, tempat kerja, transportasi, dll. Dirumuskan sebagai berikut (François Durand-Dastès, 2007): Pada rumus tersebut mengasumsikan terdapat sejumlah Intensitas (I) saling hubung antara 2 kawasan i dan j yang merupakan hasil dari sekumpulan Populasi (P) yang berbanding terbalik dengan Jaraknya (d).

Melalui teknologi penginderaan jauh dilakukan pemilihan kawasan latihan atau sering disebut contoh latihan (training area) pada tahap awal klasifikasi untuk mengetahui besar pertumbuhan pemukiman. Kelas-kelas lain dibuat sesuai tutupan lahan sebagai faktor lain selain pemukiman, seperti pada tabel 4.1.

Tabel 4.1 Luas Kelas Tahun 2002 dan 2009

4.2 Kualitas Data Citra dan Perubahan Guna Lahan
Sebelum dilakukan uji kualitas data citra terlebih dahulu dilakukan penghitungan statistik pada data citra agar diketahui hubungan kekerabatan antar band, jika tidak dapat terjadi kesalahan persepsi terhadap hubungan antar band yang seharusnya memiliki potensi pengaruh. Band yang digunakan adalah 1,2,3,4,5,dan7, band 6 tidak digunakan dalam penelitian ini. Diperoleh hubungan pengaruh antar band sebagai berikut (dipilih korelasi mendekati 1).

Tabel 4.2 Band Berkorelasi Kuat

Selanjutnya diuji menggunakan scattergram pada tutupan lahan pemukiman tahun 2002 dan 2009 seperti pada gambar 4.1. Setelah dilakukan uji terhadap band-band terkuat berpengaruh. Gambar 4.1 (A) kelas pemukiman pada citra Landsat ETM tahun 2002 sangat dipengaruhi band-1, sedangkan pada tahun 2009 kelas pemukiman sangat dipengaruhi band-5 terhadap sebaran pikselnya yang ditandai batas ellips.

Gambar 4.1 (A) Kelas Pemukiman Oleh Band 1 Tahun 2002, (B) Kelas Pemukiman Oleh Band 5 Tahun 2009.

Perubahan guna lahan terjadi sebagai akibat perluasan pemukiman tahun 2002 seluas 63,16 Km² (gambar 4.2.A) menjadi 79,30 Km² (gambar 4.2.B) pada tahun 2009 atau terjadi peningkatan sebesar 20,36% (gambar 4.2.Cdan D) atau seluas 16,15 Km² . Kebutuhan lahan untuk kegiatan pemukiman tersebut mengakibatkan terjadinya perubahan guna lahan RTH (Ruang Terbuka Hijau) seluas 3,4 Km² (gambar4.2. E dan F).

Gambar 4.2 Tutupan Lahan Pemukiman dan Perubahan Guna Lahan RTH

Gambar 4.3 Penjelasan Gambar D dan F

5. Kesimpulan
Kualitas data citra Landsat ETM, saat dilakukan uji pada training area pemukiman menunjukkan data citra tahun 2002 sesuai dengan karakter yang dimiliki band1 (0.45 – 0.52 μm), sedangkan data citra tahun 2009 pada kelas yang sama menunjukkan sebaran piksel dipengaruhi oleh band5 (1.55 – 1.75 μm) yang memiliki karakter mendeteksi kandungan air pada vegetasi. Dapat disebabkan adanya gangguan pada besar pantulan obyek (reflectance) yang diterima oleh sensor perekam. Gangguan dapat berupa tutupan awan ataupun cuaca (Forster, B.C., 1985), pada citra Landsat ETM 2009 terdapat tutupan awan sebesar 6.7%.
Berdasarkan pola sebaran umumnya, perluasan pemukiman (gambar 4.2.Cdan D) mengikuti ketersediaan prasarana jalan, hal tersebut akan sangat jelas terlihat apabila dilakukan overlay pada peta prasarana jalan tahun 2002. Beberapa kawasan baru dengan prasana jalan baru juga tampak bila dipadukan dengan ketersedian prasarana jalan tahun 2009.
Terdapat perubahan guna lahan RTH tahun 2002 yang cukup besar dari luas 57,46 Km² menjadi 35,35 Km² atau terjadi kehilangan seluas 22,12 Km². Perluasan pemukiman sebesar 16,15 Km² mengakibatkan perubahan guna lahan RTH seluas 3,4 Km², atau perubahan guna lahan RTH sebesar 56%-nya (12.3 Km²) diakibatkan oleh perluasan pembangunan prasarana jalan baru 38.87 Km² pada riset sebelumnya (M.Taufik, dkk. 2011) sehingga terjadi perubahan guna lahan RTH 8.9 Km² ditambah perubahan guna lahan RTH akibat perluasan pemukiman 3,4 Km².

6. Daftar Pustaka
Abdul Wahid Hasyim, (1995), Penetapan Faktor-Faktor Pengaruh Terhadap Peningkatan Harga Tanah, Tesis S2, PWK-ITB, Bandung
Brandt Tso, Paul Mather, (2009), Classification Methods For Remotely Sensed Data, Taylor & Francis Group, LLC
Eben V. Fodor, (2001), Better Not Bigger: How to Take Control of Urban Growth and Improve Your Community, New Society Publishers.
Forster, B.C., 1985, Principal And Rotated Component Analysis Of Urban Surface Reflectance, Photogrammetric Engineering and Remote Sensing, 51, 475–477.
————-, (1988-2006), ER Mapper and ER Storage software and documentation is proprietary to Earth Resource Mapping Ltd.. Earth Resource Mapping Ltd.
Jayadinata, T. J. (1999), Tata Guna Tanah dalam Perencanaan Pedesaan, Perkotaan, dan Wilayah. Penerbit ITB. Bandung.

MONITORING PERLUASAN PRASARANA JALAN DAN IMPLIKASINYA TERHADAP GUNA LAHAN PERKOTAAN MELALUI TEKNOLOGI PENGINDERAAN JAUH DAN SIG (Studi Kasus: Kotamadya Surabaya)

Oleh:

M. Taufik1) , Abdul Wahid Hasyim2) , Teguh Hariyanto1), Haryo Sulistyarso3)
taufik_srmd@yahoo.com, https://awhasyim.wordpress.com/,
teguh_hr@geodesy.its.ac.id, fiefa07@yahoo.com

1) Dosen Pasca Sarjana Teknik Sipil FTSP-ITS, bidang Penginderaan Jauh
2)Jurusan Perencanaan Wilayah dan Kota Universitas Brawijaya Malang, sedang menempuh S3 Penginderaan Jauh di Institut Teknolologi Sepuluh Nopember (ITS) Surabaya,
3) Dosen Pasca Sarjana Teknik Sipil FTSP-ITS, bidang PWK

Abstraksi

Sebagai kota terbesar ke dua di Indonesia dengan jumlah penduduk lebih dari 3 juta jiwa yang memiliki fungsi sebagai pusat bisnis, perdagangan, industri, dan pendidikan di kawasan Indonesia timur menambah lengkap alasan sebagai magnet kota yang selalu memberikan peningkatan jumlah penduduk tiap tahunnya.
Berdasarkan citra Landsat 7 ETMKota Surabaya yang memiliki luas 335.4Km² atau 372.667 piksel, secara fisik mengalami pertumbuhan permukiman yang sangat pesat 20,36% dan 4,81% (2002-2009) terhadap luas kota. Pembangunan jalan sebagai jalur transportasi memberikan kontribusi terbesar (12.9%) dibanding variabel lainnya terhadap pertumbuhan kota (Woodruff dan Brown dalam Abdul Wahid Hasyim, 1995).
Melalui teknologi penginderaan jauh dan SIG, dilakukan pengolahan terhadap citra Landsat 7 ETM tahun 2002-2009, dimana citra Landsat (tahun 2009) harus diolah terlebih dahulu agar data-data yang hilang dapat diperbaiki disebut sebagai filling scan gap.
Setelah dilakukan pengolahan citra dengan metode klasifikasi Maximum Likelihood dan teknik overlay pada SIG diperoleh prasarana jalan dari (tahun 2002-2009) mengalami peningkatan 43.191 unit piksel atau 38,87km² (46,29%) atau 11,59% terhadap luas kota, dan mengurangi jumlah RTH seluas 9873 unit piksel atau 8,9 km². Secara total luas perubahan guna lahan RTH (ruang terbuka hijau) dan mangrove yang juga disebabkan oleh kegiatan lainnya sejak tahun 2002-2009 dari yang awalnya 60,2 km² (tahun 2002) menjadi 36,68 km² (tahun 2009) atau tinggal 10,94% terhadap luas total kota.

Kata kunci: Perluasan, Perubahan Guna Lahan, Penginderaan Jauh, dan SIG

1. Pendahuluan
1.1 Latar Belakang
Sebagai salah satu elemen ‘Sistem Transportasi’, pengembangan prasarana jalan akan memberikan dampak terhadap perubahan lahan (Miro, 1997). Sedangkan, pertumbuhan kota sangat dipengaruhi oleh adanya populasi dan kegiatan, yang berdampak pada penggunaan lahan (land use) (Johara T Jayadinata, 1999).
Kota akan semakin besar karena jumlah penduduknya yang semakin banyak. Ketertarikan tinggal di perkotaan menjadi sangat kuat (pull forces) karena berbagai kemudahan ditawarkan, antara lain: pusat hiburan, pusat komersial, pusat pendidikan, tempat kerja, transportasi, dll.
Kemudahan transportasi menjadi salah satu pertimbangan para pengembang (developers). Tidak jarang suatu pemukiman baru selalu menambahkan dalam bahasa iklannya mudah dijangkau sekian menit dari kawasan pendidikan, kawasan belanja dan lain-lain agar menjadi daya tarik bagi penggunanya.
Seperti pada Kota Surabaya yang memiliki luas 335.4Km², merupakan kota terbesar ke dua selalu melakukan pembangunan demi memberikan pelayanan terbaik bagi warga kotanya. Secara fisik pembangunan umumnya dibedakan sebagai area terbangun (built up area) dan area tidak terbangun (un built up area).
Pembangunan fisik yang telah berjalan dari tahun ke tahun di hamparan permukaan tutupan lahan (land cover) Kota Surabaya tidak dapat dipisahkan dengan keberadaan prasarana jalan sebagai pemicu terbesarnya suatu pembangunan (Woodruff dan Brown, 1971 dalam AWHasyim, 1995). Melalui teknologi penginderaan jauh (remote sensing) dan SIG (sistem informasi geografis) pembangunan atau perluasan prasarana jalan Kota Surabaya dari tahun 2002-2009 dapat diketahui.
Disusun pertanyaan riset sebagai berikut, bagaimanakah mengetahui pembangunan atau perluasan prasarana jalan Kota Surabaya serta perubahan guna lahannya dari tahun 2002-2009 dengan menggunakan teknologi penginderaan jauh dan SIG?

1.2 Maksud dan Tujuan
Maksud dari penelitian ini adalah memanfaatkan teknologi penginderaan jauh dan SIG agar memperoleh informasi pembangunan atau perluasan jalan untuk kepentingan perencanaan.
Tujuan dari penelitian ini adalah mengetahui besar perluasan prasarana jalan dan perubahan fungsi lahannya.

1.3 Lingkup Pembahasan
Menganalisa pembangungan atau perluasan prasarana jalan Kota Surabaya dengan memanfaatkan data citra landsat 7 ETM tahun 2002 dan 2009 menggunakan SIG.
Mengevaluasi pembangungan atau perluasan prasarana jalan Kota Surabaya terhadap penggunaan lahan khususnya RTH (ruang terbuka hijau).

2. Dasar Teori
2.1 Tutupan Lahan (Land Cover) dan Penginderaan Jauh (Remote sensing)
Tutupan lahan (land cover) perkotaan secara fisik dapat dibedakan menjadi 2 macam kawasan, terbangun (built up area) dan tidak terbangun (unbuilt up area), sedangkan menurut sifatnya dibedakan menjadi kedap air (impervious surfaces) dan meneruskan air (infiltrate surfaces). Kedap air (impervious surfaces) adalah segala permukaan yang tidak dapat meresapkan air kedalam tanah dan umumnya berkaitan dengan kegiatan transportasi seperti; jalan, jalan bebas hambatan, pedestrian, perparkiran, dan bangunan (Qihao Weng, 2008), sebaliknya yang bersifat meneruskan air (infiltrate surfaces) adalah tutupan lahan yang belum atau tidak mengalami pembangunan seperti; kawasan konservasi, pekuburan, sempadan sungai, sungai, hutan dan taman. Kawasan terbangun (built up area) yang dimaksud pada penelitian ini adalah kawasan yang juga kedap air (impervious surfaces) akibat tertutup oleh material bangunan.
Dengan menggunakan teknologi penginderaan jauh tutupan lahan tersebut dapat terekam dan terbaca yang dihasilkan dari pantulan panjang gelombang () tergantung materi tutupan lahannya tanpa harus menyentuh secara langsung (Lillesand dan Kiefer, 2004, Sutanto, 1998).
Pemanfaatan data remote sensing sejak akhir 30tahun-an secara ekstensif telah digunakan untuk mengamati perubahan lingkungan dan tutupan lahan (land cover) (Colby dan Keating 1998). Pada penelitian ini digunakan data citra Landsat 7 ETM yang memiliki 7 band (multispektral), lebih menguntungkan dari sisi kepentingan klasifikasi dibandingkan dengan citra lain yang memiliki jumlah band lebih sedikit. Diharapkan pada monitoring perluasan prasarana jalan, perubahan luasan yang terjadi termasuk alih guna lahannya dapat diketahui mendekati kondisi sebenarnya.

2.2 Perubahan Guna Lahan (Land Use Change) dan Nilai Pantulan Spectral
Spectral adalah daya pisah objek berdasarkan besar spektrum elektromagnetik yang digunakan untuk perekaman data dan mempengaruhi besarnya radiometrik (derajat keabuan berkisar 0-255). Pantulan sangat bergantung dari panjang gelombang () masing-masing materi tutupan lahannya (Brandt Tso, Paul Mather, 2009). Kisaran panjang gelombang yang berkisar antara 0.3-2.5 μm dan pantulan spectrum yang tidak tetap menunjukkan kadar perubahan tutupan lahan yang berbeda sehingga menjadi celah pada penelitian ini untuk diamati
Prasarana jalan merupakan tutupan lahan yang kedap air (impervious surfaces) karena menggunakan bahan atau material aspal juga beton, sehingga melalui band tertentu dari citra Landsat7 akan memiliki kesamaan nilai pantulan spectral. Di sisi lain terjadinya perubahan guna lahan sebagai dampak perluasan jalan akan diketahui berdasarkan letak dan dimensinya.
Perubahan lahan tidak dapat dihindari sebagai akibat perluasan prasarana jalan yang merupakan media terjadinya interaksi kegiatan satu dan lainnya (Johara TJ, 1999). Prasarana jalan dikatakan sebagai penghubung wilayah satu dan lainnya, sehingga berdasarkan konsep, kegiatan dan modelnya mengindikasikan pola dan bentuk suatu kota (Bauer Wurster, 1973; Bryant,1982; Coppack, 1988; Bryant, Coppack 1991; Fujii, Hartshorn 1995).

2.3 Mengelola Data Menggunakan SIG
Setelah dilakukan proses pengolahan terhadap citra landsat 7 ETM selanjutnya diolah kembali menggunakan teknologi SIG, karena kemampuannya mengkombinasikan atribut berbagai data dan warna sehingga membantu dalam pengambilan suatu keputusan.
Secara aplikasi SIG (www.swedesurvey.se, 2002) untuk menghasilkan informasi spasial terdapat tiga unsur yang harus diperhatikan, yaitu: mengorganisasi (organising); melakukan kompilasi dan pemilahan terhadap data-data yang diperoleh secara raster maupun vektor, menganalisis (analysing); melakukan perintah (query) berdasarkan titik (point), garis (line) maupun bidang (polygon), menghasilkan peta (map production); berupa grafis yang memuat atribut dengan berbagai kombinasi data dan warna, lihat Gambar 2.1

Gambar 2.1. Tiga unsur aplikasi SIG
Sumber: http://www.swedesurvey.se, 2002

3. Metodologi
3.1 Lokasi Penelitian
Dipilih Kota Surabaya mengingat sebagai kota terbesar di Jawa Timur, dengan potensi pertumbuhan kota yang pesat. Jumlah penduduk yang berkisar 3 juta jiwa dengan tingkat pertumbuhan penduduk 1.5%/tahun (http://www.surabaya.go.id/dispenduk/?view=artikel&id=1, 2010) dan luas kota 335,4 Km² yang tidak bertambah, tentu menambah beban kota akibat kegiatan kota yang meningkat. Salah satunya kebutuhan perluasan prasarana jalan untuk menghubungkan kegiatan satu dan lainnya. Ketersediaan data citra Landsat 7 ETM tahun 2002 dan 2009, turut menjadi pertimbangan dalam penentuan lokasi.

3.2 Alat dan Bahan
PC Intel(R) Core (TM)2 Duo, E4600 @ 2.4 Ghz
GPSMap 60 Csx
Software Mapsource v 6.15.1
ErMapper v7.1
ArcGIS 9.3 dan ArcView 3.3
Citra Landsat 7 ETM tahun 2002 dan 2009

3.3 Metode
Pada proses klasifikasi untuk menghasilkan pengkelasan yang akurat berdasarkan data distribusi DN (Digital Number) digunakan klasifikasi Maximum Likelihood berdasarkan perhitungan statistik (rerata variance/covariance), fungsi probabilitas (Bayesian), sehingga dalam sampel (training area/ sites) setiap piksel dapat dipastikan masuk dalam kelas yang mana (Brandt Tso, Paul Mather, 2009). Dengan formula sebagai berikut:

Dimana, nilai Pr (probability) dari w_j (bobot terpilih yang terbesar j) pada vektor x.

3.4 Proses Pengolahan Citra Landsat 7 ETM
Tahapan kegiatan yang dilakukan dalam penelitian ini disajikan dalam bentuk diagram alir berikut (gambar 3.1).

3.5 SLC- OFF Pada Citra Sesudah Tahun 2003
Pada website (http://landsat7.usgs.gov/slc_enhancements/gapfilled1.php, 2010) menjelaskan bahwa, Landsat 7 TM/ETM semenjak tanggal 31 Mei tahun 2003 terdapat kegagalan (off) pada SLC (scan line corrector) sehingga sekitar 22% data tidak terbaca (scan gap) pada citra. Untuk mengisi data citra yang hilang (filling scan gap) pada piksel dengan tepat, digunakan metode dengan asumsi,

Y≈GX+B

dimana,
Y= bagian utama yang terkena SLC off
G= pengisian histrogram pada citra utama yang terhapus
X= bagian citra pengisi (SLC on)
B= data bias histogram pada citra utama yang terhapus

4. Hasil dan Diskusi
4.1 Penentuan Kelas Tutupan Lahan (Land Cover)
Kota semakin tumbuh dan menjadi daya tarik karena salah satunya didukung oleh potensi lahannya, sehingga dapat meningkatkan nilai lahannya. Ada 5 faktor yang dapat berpengaruh terhadap nilai tanah (Djoko Sujarto,1982; dalam AWHasyim, 1995) sebagai berikut:
a. Faktor fisik dasar, misalnya topografi, iklim, kondisi tanah (meliputi daya dukung dan drainase alam),
b. Faktor fisik geografis , misalnya lokasi geografis yang strategis,
c. Faktor prasarana dan sarana,, misalnya jaringan jalan, utilitas umum (meliputi jaringan air minum, jaringan drainase, sanitasi lingkungan, sumber air alami), jaringan telekomunikasi, jaringan listrik, jaringan gas,
d. Faktor fasilitas kebutuhan, misalnya pasar/pertokoan, pendidikan, peribadatan, kesehatan, hiburan, pemerin¬tahan,
e. Faktor lingkungan, misalnya pencemaran, kebisingan, kenyamanan lingkungan, kebersihan lingkungan, kepada¬tan bangunan dan penduduk, faktor kritis bencana alam.
Sesuai kebutuhan penelitian dibuat klasifikasi 6 kelas yang dianggap secara fisik akan memberikan kontribusi terhadap pertumbuhan kota, antara lain: 1) perkotaan/ permukiman, 2) vegetasi berdahan besar (termasuk mangrove), 3) lahan terbuka, 4) tubuh air; sungai, dan tambak, 5) perkerasan/bangunan beton, dan 6) jalan dan rel. Setelah dilakukan penghitungan statistik pada citra untuk melihat distribusi piksel training site, selanjutnya dilakukan klasifikasi terawasi Maximum Likelihood seperti pada gambar 3.2 bagian A dan B.
4.2 Perluasan Prasarana Jalan dan Perubahan Guna Lahan
Pengamatan dilakukan pada bidang piksel berukuran 964×587 atau sejumlah 565.868 piksel (=565.868x30x30m²= 509.281.200m²= 509.3Km²) sebelum di subset (pemotongan citra) pada koordinat 675292.1 LS, 9204680 BT-702592.1 LS,9210500 BT. Fokus penelitian berada pada bidang piksel seluas 372.667 piksel atau 335.4Km², dengan masing-masing hasil klasifikasi pada tabel 4.1.

Tabel 4.1 Luas Kelas Tahun 2002 dan 2009

Untuk memperoleh lokasi sebaran perluasan prasarana jalan, digunakan teknik overlay dengan membandingkan citra Landsat7 ETM akhir amatan (2009/ gambar 4.1 bagian D) dikurangkan (image difference) dengan citra awal amatan (2002/ gambar 4.1 bagian C). Diperoleh beberapa jalan tetap tidak berubah sejak dari tahun 2002 hingga tahun 2009 seluas 45,10km², dan terdapat tambahan jalan baru seluas 38,87km², atau terjadi peningkatan 11,59% (gambar 4.1 bagian E)
Perubahan lahan yang terjadi akibat kegiatan penyediaan prasarana jalan, melalui teknik overlay pada citra Landsat7 ETM (2009) prasarana jalan dilakukan perubahan tematik (thematic change) terhadap vegetasi yang mewakili RTH (2002). Ditunjukkan beberapa RTH hilang seluas 9873 unit piksel atau 8,9 km² dengan sebaran seperti pada gambar 4.1 bagian F.

Gambar 4.1 Klasifikasi, Prasarana Jalan dan Perubahan Lahan

Penjelasan Gambar E

5. Kesimpulan
Dari hasil analisis diperoleh kesimpulan penelitian sebagai berikut;
1. Proses pengisian data hilang (gap filling process) pada citra Landsat7 ETM tahun 2009 dilakukan hingga diperoleh hasil terbaik dengan syarat, citra pengisi diambil pada tahun yang sama, dan dipilih pengisi dengan prosentase awan dibawah 10%.
2. Untuk kepentingan pengukuran perluasan prasarana jalan dan perubahan guna lahan, semua citra menggunakan sistem proyeksi UTM 49-S dengan sistem koordinat yang harus sama yaitu WGS ’84.
3. Metode klasifikasi Maximum Likelihood cukup baik dengan mengandalkan kesamaan nilai digitalnya (DN), kelemahannya sulit membedakan piksel untuk tubuh air (sungai) apabila bersebelahan dengan prasarana jalan. Maka, dibantu dengan hasil tracking GPS untuk membedakannya.
4. Resolusi spasial citra Landsat 7 ETM 30m dengan 7 band dan kesalahan koreksi geometrik (RSME)= 0,18 piksel atau 162m² atau kurang dari 1 piksel= 900 m², sangat sesuai untuk keperluan mengamati perubahan lahan secara kuantitatif.
5. Pada Perubahan guna lahan khususnya RTH Kota Surabaya yang pada tahun 2009 tinggal 10,54%-nya dari total luas Kota Surabaya adalah dampak akumulasi kegiatan-kegiatan lainnya, karena dari perluasan prasarana jalan sepanjang 1295,7 Km atau 38,87Km² hanya merubah guna lahan RTH sebesar 8,9 km². Perlu dilakukan penelitian pada kegiatan lainnya untuk mengetahui terjadinya perubahan guna lahan khususnya terhadap RTH.
6. Perbedaan luas total Kota Surabaya dapat disebabkan ketidaktepatan pada proses digitasi penentuan batas administrasi (vektor).

6. Daftar Pustaka

Abdul Wahid Hasyim, (1995), Penetapan Faktor-Faktor Pengaruh Terhadap Peningkatan Harga Tanah, Tesis S2, PWK-ITB, Bandung
Bauer Wurster, C. (1973), The Form and Structure of the Future Urban Complex, In The Urban Future, edited by E. Chinoy. New York: Lieber-Atherton, 43-72.
Brandt Tso, Paul Mather, (2009), Classification Methods For Remotely Sensed Data, Taylor & Francis Group, LLC
Bryant, C. R., Russwurm, L. H., McLellan, A. G. (1982). The City’s Countryside: Land And Its Management In The Rural-Urban Fringe. London: Longman.
Bryant, C. R., Coppack P. M. (1991). “The City’s Countryside.” in Canadian Cities in Transition, edited by T. Bunting and P. Filion. Toronto: Oxford University Press, 209-39.
Coppack, P. M. (1988). “The Evolution and Modeling of the Urban Field.” in Essays on Canadian Urban Process and Form III: The Urban Field, edited by P. M. Coppack, L. H. Russwurm, C. R. Bryant. Waterloo, Ontario: Department of Geography, University of Waterloo, 5-27.
Fidel Miro (2004), Perencanaan Transportasi untuk Mahasiswa, Perencana dan Praktisi, Erlangga, Jakarta
Fujii, T., Hartshorn, T. A. (1995). The Changing Metropolitan Structure of Atlanta, Georgia: Locations of Functions and Regional Structure in a Multinucleated Urban Area. Urban Geography 16: 680-707.
Jayadinata, T. J. (1999), Tata Guna Tanah dalam Perencanaan Pedesaan, Perkotaan, dan Wilayah. Penerbit ITB. Bandung.
Sutanto, (1998), Penginderaan jauh, Jilid I, Fakultas Geografi, Gajah Mada University Press.

CARA MUDAH MENGHITUNG LUAS LAHAN MENGGUNAKAN TEKNOLOGI GPS DAN CITRA SATELIT

Oleh:
Abdul Wahid Hasyim
Pengajar dan Peneliti Perencanaan Wilayah dan Kota
Universitas Brawijaya
Mahasiswa S3 Penginderaan Jauh
FTSP-ITS

Terjadinya perubahan fungsi lahan seolah baru mendapat perhatian ketika timbul permasalahan kota maupun wilayah mengganggu kenyamanan berkehidupan seperti terjadinya banjir, longsor, dan menurunnya total produksi hasil pertanian. Menyusutnya atau bahkan hilangnya luas lahan yang memiliki fungsi ruang terbuka hijau (rth), sawah atau lahan-lahan pertanian, beralih pada fungsi yang dianggap lebih produktif. Pada kota-kota besar di Pulau Jawa seperti Jakarta, Surabaya, dan Bandung luas rth telah berkurang 35% pada awal tahun 1970an – tahun 2000 menjadi kurang dari 10% (Sukawi, 2000), dan Malang berkisar 15%, yang seharusnya memiliki luas minimum 30% dari luas total kawasan. Sedangkan pada fungsi lahan pertanian dari tahun 1992-2002 terjadi alih fungsi lahan pertanian sebesar 64.000 ha/tahun dan 41,1% diantaranya alih fungsi sawah menjadi bukan sawah (Achmad Rachman, M. Noor, Isdiyanto A, 2009: dalam Kemenko, 2009). Perlu dilakukan teknik monitoring perubahan pada lahan skala besar, salah satunya dengan menggunakan teknologi GPS dan citra satelit.

Menghitung Luas Perubahan Fungsi Lahan Secara Cepat dan Akurat
Setiap bidang lahan memiliki fungsi sesuai peruntukannya seperti tertuang pada UURI Nomor 26 Tahun 2007 Tentang Penataan Ruang. Selain fungsi yang melekat pada lahan terdapat luas yang umumnya ditandai oleh batas-batas fisik pada lahan. Semenjak terjadinya perubahan fungsi pada luas bidang lahan yang sangat drastis sebagai dampak meningkatnya pertumbuhan penduduk perkotaan dan proses transformasi struktur ekonomi dari yang semula berbasiskan sektor primer (pertanian) menjadi sektor skunder dan tersier (industri, jasa dan perdagangan) guna memenuhi kebutuhan dasar manusia atau ‘butsarman’ berupa pembangunan sarana dan prasarana kota yang praktis tidak dapat dihindari lagi. Maka, agar luas fungsi lahan dapat terkontrol dan dikendalikan, dari sisi teknis harus dilakukan pengawasan secara periodik dan cepat sehingga informasi perubahan luas fungsi lahan dapat segera diketahui, dengan cara menampalkan (overlay) luas fungsi lahan amatan saat ini terhadap data luas fungsi lahan pada tahun sebelumnya yang telah tersimpan pada data base. Hal tersebut dapat dilakukan secara tepat karena bidang lahan memiliki posisi, koordinat, dan bentuk pada lokasi yang sama.
Didukung teknologi GPS (Global Positioning System) dengan tingkat akurasi yang sangat baik (error 1-3m) kesalahan hitung terhadap luas fungsi lahan dibawah 10%. Selain itu, pada GPS mampu dibenamkan citra resolusi tinggi berskala 1:5000 yang tentunya telah dilakukan georeference guna menambah tingkat akurasi data lebih sempurna pada saat melakukan proses penghitungan luas. Mendigitasi hingga menghitung luas bidang lahan menggunakan perangkat GPS dapat dilakukan dengan 8 langkah:

Memetakan Hasil Perubahan Lahan
Berbeda dengan cara manual yang masih menggunakan media kertas pada saat dilapangan dan beberapa catatan-catatan khusus agar mudah diingat, melalui teknologi GPS dan citra satelit bentuk-bentuk khusus permukaan lahan akan terekam dan tercatat sesuai keadaan di lapangan dan tidak perlu merasa kuatir salah pada saat penggambarannya. Bentuk lahan sangat beragam dan unik karena tidak pernah sama secara posisi, koordinat, maupun lokasinya, yang akan mempengaruhi total luasannya. Keunikan suatu lokasi juga ditunjukkan dengan terdapatnya ketinggian permukaan lahan (topografi) yang terekam oleh GPS sebagai salah satu fasilitas perangkat pengukur ketinggian (altimeter).
Hasil pemetaan lapangan (ground truth) melalui GPS dapat dengan mudah diunggah (upload) ataupun diunduh (download) untuk diproses lebih lanjut tergantung kebutuhan analisis yang diinginkan.

Kelebihan dan Kekurangan Menggunakan Teknologi GPS dan Citra Satelit
Saat ini berkembang dan bermunculan alat serta teknologi tinggi yang beragam hasil penyempurnaan yang terdahulu, salah satunya adalah teknologi GPS yang makin mengikuti kebutuhan penggunanya. Menggunakan sistem operasi windows yang sangat familiar bagi penyuka komputer sehingga memudahkan dalam pemrosesan data lebih lanjut.
Kelebihan dalam pemakaian GPS dan citra satelit dibanding dengan cara-cara manual terutama pada saat pengoperasian dan penyimpanan data di lapangan antara lain, pembuatan attribute (informasi yang melekat pada lahan), dan penggambaran bidang lahan (digitasi) yang mampu menghemat waktu, tenaga dan biaya.
Sedangkan kekurangannya, sangat bergantung kehadiran sinyal satelit (minimal 4 buah), dimana semakin banyak jumlah sinyal tertangkap oleh GPS akan memperkecil kesalahan hitung. Daya tangkap sinyal pada GPS sangat dipengaruhi sekelilingnya, semakin bebas dari bangunan, pepohonan besar, dan ketidakcerahan cuaca akan memberikan akurasi semakin baik.
Pada wilayah yang luas setara kota atau kabupaten, pengamatan perubahan fungsi lahan perlu melibatkan teknologi penginderaan jauh.

Memilih Jenis GPS
Sebelum menentukan GPS yang akan digunakan terlebih dahulu mengetahui jenisnya agar sesuai dengan kebutuhan di lapangan. Dibedakan 3 macam berdasar jenisnya yaitu, 1) GPS Geodetic, memiliki sistem penerima (receivers) dual frekwensi yaitu mampu menangkap 2 sinyal L1 dan L2 bersamaan. GPS tersebut umumnya digunakan untuk keperluan survey dengan tingkat akurasi sangat tinggi dan tingkat kesalahan dibawah centi meter, misalnya kegiatan survey: konstruksi, jalan bebas hambatan, pengeboran, dan lain sebagainya. 2) GPS Mapping memiliki frekwensi tunggal (single frequency) yang berfungsi menerima dan mengumpulkan data-data spatial untuk kemudian dituangkan dalam kegiatan GIS/SIG (sistem informasi geografis). Tingkat ketelitian GPS ini termasuk medium (menengah) dengan kesalahan dibawah meter hingga beberapa meter (<10m). Perangkat ini biasa digunakan untuk kegiatan pemetaan. 3) GPS Navigasi biasa digunakan oleh masyarakat pada umumnya. Perangkat ini memiliki kemampuan lebih rendah dari GPS Mapping karena keterbatasan pada track log maupun penyimpanan waypoint (www.garmin.com) dan bahkan fasilitas kompas ataupun altimeter tidak ditemui.
Untuk keperluan menghitung luas perubahan fungsi pada lahan cukup menggunakan GPS Mapping dengan tingkat kesalahan (error) hingga 1m.

Kebutuhan Teknologi GPS
Karakteristik permukaan atau tutupan lahan (land cover) tidak pernah sama di bumi ini karena setiap tempat memiliki koordinat yang berbeda. Perbedaan karakteristik itulah menjadikan banyak informasi yang dapat disampaikan. Dibandingkan dengan cara manual (tidak menggunakan GPS), proses penandaan (geocoding) dan penggambaran (digitasi) dengan menggunakan GPS menjadi lebih akurat misalnya; letak sumber mata air, letak fasilitas umum maupun sosial, letak monumen, letak bidang lahan, letak dan luas genangan, penggambaran batas luas bidang lahan, dlsb.
Dengan kemampuan teknologi GPS semakin tinggi, mampu membaca citra satelit resolusi tinggi yang dibenamkan di dalamnya, sehingga makin memudahkan memperoleh data yang diinginkan. Tidak lagi terjadi kesalahan lokasi, posisi, maupun bentuk pada batas-batas bidang amatan, seperti yang terjadi pada cara-cara manual. Teknologi GPS selain menjadi salah satu perangkat wajib di bidang ilmu penginderaan jauh juga digunakan berbagai bidang ilmu lain, pertanian, perencanaan, sipil, pengairan, dlsb. Transformasi data dari teknologi GPS bukan lagi menjadi kendala. Akhirnya, penggunaan teknologi GPS hanyalah sebuah pilihan.

Pustaka
1. GPSMAP 60CSx with sensors and maps owner’s manual, Garmin Ltd., 2. Garmin International, Inc. 1200 East 151st Street, Olathe, Kansas 66062, USA, 2005-2007
3. Getac PS535F user’s manual
4. GeoVISI GIS Textbook- GPS, PT. GeoVISI Mitratama & Garmin.
5. GPS Beginner’s Guide, Garmin, 2008
6. http://www.navigasi.net

Membangun Kota Malang Dengan Memanfaatkan Topografi Sebagai Salah Satu Solusi Mencegah Genangan (Banjir)

oleh:

Abdul Wahid Hasyim

Musim penghujan umumnya terjadi mulai bulan Oktober sampai April. Sementara April sampai Oktober berlaku musim kemarau. Pada musim penghujan, tidak jarang juga diikuti bencana alam banjir dan tanah longsor yang menelan korban jiwa dan harta benda. Diberbagai media seringkali diberitakan pembangunan perumahan telah menghabiskan danau atau situ atau tempat peresapan air hujan. Pembalakan hutan, sistem pembakaran hutan untuk perkebunan, pembangunan perumahan di daerah aliran sungai (DAS), juga pembangunan rumah di kawasan bantaran sungai, penggundulan hutan, dan masih banyak contoh lain yang sama sekali tidak berwawasan lingkungan, yang umumnya terjadi di kota-kota di Indonesia. Musim penghujan pun akan tetap menjadi sumber bencana yang tidak pernah selesai, apabila kita sendiri tidak memperlakukan dan mengenal alam dengan baik. Kota Malang memiliki luas 110.06 Km persegi dikelilingi gunung-gunung: Gunung Arjuno di sebelah Utara, Gunung Tengger di sebelah Timur, Gunung Kawi di sebelah Barat, dan Gunung Kelud di sebelah Selatan. Arti dikelilingi memberikan arti yang sebenar-benarnya terhadap tutupan lahan (land cover) Kota Malang, sehingga kaki gunung membentuk pagar disekeliling kota yang memiliki ketinggian 425-650 msl (mean sea level). Permukaan terendah tersebar di Kecamatan Kedungkandang, Kecamatan Sukun, sebagian Kecamatan Blimbing, sebagian kecamatan Klojen, kemudian permukaan sedang (cukup tinggi) sebagian kecamatan Klojen dan Kecamatan Blimbing, permukaan relatif tinggi Kecamatan Lowokwaru dan sebagian Kecamatan Kedungkandang. Sebaran topografi (kemiringan permukaan lahan) akan sangat sulit dibayangkan apabila tidak diwujudkan dalam bentuk grafis.

Melalui teknologi penginderaan jauh dengan menggunakan citra yang terlebih dahulu dilakukan geokoreksi sehingga dapat menyatu dengan DEM (Digital Elevation Model), diperoleh bentuk tutupan lahan (land cover) Kota Malang dengan topografi yang melekat pada masing-masing kawasan yang menyerupai mangkuk (gambar-1 dan 1b).

Gambar 1 (atas) dan 1b (bawah)

Topografi atau informasi ketinggian lahan dikenal juga sebagai kontur yang akan membedakan permukaan lahan dibawah dengan diatasnya (∆h), sehingga membentuk kemiringan lahan (slope/s) tergantung jarak tertinggi dengan terendah (d). Dengan slope inilah perencanaan kota akan menentukan kawasan boleh dibangun tanpa syarat (layak), kawasan boleh dibangun dengan syarat, dan kawasan tidak boleh dibangun (tidak layak), sehingga karakter alam land cover tidak berubah dan dapat dikenali.

Teknik water level dengan logika air mengisi daerah terendah menuju ke daerah yang lebih tinggi, dujikan pada topografi kota Malang agar dapat diketahui pergerakan air di atas permukaan tanah. Simulasi  ini hanya menunjukkan dengan jelas sebaran ketinggian tutupan lahan di kota Malang dan kawasan-kawasan yang bakal tergenang karena topografi yang lebih rendah dari kawasan sekelilingnya. Pada kasus ini diasumsikan Kota Malang belum terdapat bangunan sebagai penghalang laju air, tetapi permukaan tanah diasumsikan kedap air (impervious) 100% dan air mengalir maupun terhambat tergantung pada variabel topografi saja (gambar 2-10). Secara berurutan gambar 2-10 ditampilakn sebagai berikut,

Terlihat apabila land cover dialiri air, awalnya akan mengumpul di daerah paling Selatan (Kecamatan Sukun dan Kecamatan Kedungkandang), kemudian terus bergerak ke Utara menyusuri Sungai Bango dan menggenangi hampir ¾ kota Malang. Dalam kenyataannya air yang menggenangi kawasan berkontur rendah tidak selalu tertutup 100% oleh material pengganggu (bangunan) sehingga masih mampu mengalirkan air yang tidak memerlukan waktu tunggu mengalir atau meresap terlalu lama. Permasalahannya, saat ini Kota Malang mencapai berapa %-kah luas land cover yang tidak kedap air (impervious) sebagai akibat pembangunan, sehingga masih mampu mengalirkan air ke sungai dan meresapkan air kedalam tanah?. Upaya mengalirkan air dengan baik (lancar) di sungai, tentu banyak hal yang harus diperhatikan, misalnya: distribusi, kemiringan, perawatan saluran, dan pengerukan endapan akibat sedimentasi, memperkecil kemungkinan terjadinya longsor pada badan sungai yang berakibat timbulnya sedimentasi baru melalui teknis perencanaan berupa, kawasan tanpa syarat, bersyarat, maupun sama sekali tidak boleh untuk dibangun.

Sesuai dengan tujuan agar dapat meresapkan air kedalam tanah, perlu memperhatikan kawasan aliran dan kawasan penampung air, termasuk tekstur tanah yang biasanya ditandai dengan tutupan lahan yang berwarna hijau oleh sekumpulan pepohonan yang subur. Dengan dibantu teknologi penginderaan jauh penentuan/penetapan perencanaan kawasan bersyarat hingga tidak bersyarat salah satu cara dapat diamati berdasarkan pengelolaan lahannya, dalam menangani pemanfaatan lahan kota (land use) yang telah terbentuk, melalui tahapan sebagai berikut (Dr. Ir. M.Taufik, ITS, 2008): 1. Land Cover (mengenali tutupan lahan yang terlihat secara fisik di permukaan bumi), 2. Land Unit (mengidentifikasi karakteristik lahan), 3. Land Suitable (klasifikasi kemampuan lahan berdasarkan topografi, hidrologi dan klimatologi), 4. Land Use (setelah melalui proses cukup panjang barulah menetapkan guna lahan berdasarkan kegiatannya).

Pustaka dan link:

John B. Ritter, 2004, Landslides and Slope Stability Analysis, Department of Geology Wittenberg University.

Qihao Weng, 2007, Remote Sensing of Impervious Surfaces, CRC Press, Taylor & Francis Group 6000 Broken Sound Parkway NW, Suite 300

Harian Surya 01/03/2010

Menentukan Titik Kontrol Tanah (GCP) Dengan Menggunakan Teknik GPS dan Citra Satelit Untuk Perencanaan Perkotaan

(Seri 1)

Oleh:

Abdul Wahid Hasyim1) , M. Taufik2)

awhasyim@yahoo.com, taufik_srmd@yahoo.com
1) Jurusan Perencanaan Wilayah dan Kota Universitas Brawijaya Malang, sedang menempuh S3 Penginderaan Jauh di Institut Teknolologi Sepuluh Nopember (ITS) Surabaya,
2) Dosen Pasca Sarjana Teknik Sipil FTSP-ITS, bidang Penginderaan Jauh

Abstrak
Ketersediaan peta skala besar untuk kepentingan perencanaan di beberapa daerah atau bahkan hampir di semua daerah di Indonesia sulit ditemui. Peta skala besar 1: 1000 umumnya diperlukan untuk rencana-rencana setingkat RTRK, dan 1: 5000 setingkat RDTRK. Perencanaan dengan peta skala besar sangat memerluan akurasi posisi yang tepat karena membutuhan kedetilan yang tinggi misalnya, ketepatan pengukuran persil untuk perhitungan IMB, dan penempatan penataan kawasan dengan guna lahan pemukiman, pendidikan, komersial dan lainnya pada lahan yang seharusnya.
Koreksi geometri pada peta skala besar untuk kepentingan klasifikasi pada citra dapat dilakukan dengan salah satu metode pengukuran dengan menggunakan alat bantu GPS. Selanjutnya dilakukan pengambilan GCP pada lokasi terpilih secara berulang untuk memperkecil kesalahan dilapangan. Pada penelitian ini jumlah sampel akan ditentukan beragam agar terlihat perbedaan kesalahan yang mencolok, sehingga selanjutnya kesalahan pengambilan ataupun penentuan sampel dapat dihindari untuk memperoleh hasil yang lebih baik. Kawasan studi terpilih adalah Kecamatan Socah Kabupaten Bangkalan.

Kata Kunci: GCP, GPS, Koreksi Geometri, Peta Skala Besar

I. Pendahuluan
1.1 Latar belakang

Akhir-akhir ini GPS (Global Positioning System) menjadi sangat populer dan merambah dalam kehidupan masyarakat yang keranjingan teknologi. GPS menjadi salah satu gadget yang diburu agar tidak tertinggal oleh perkembangan jaman. Mengetahui peluang tersebut, para produden tidak tinggal diam mulailah diciptakan secara kreatif GPS yang yang terintegrasi dengan fungsi-fungsi lainnya misalnya telepone seluler (mobile phone) dan lain sebagainya.

GPS adalah satu-satunya sistem navigasi ataupun sistem penentuan posisi, selama beberapa abad ini, yang mempunyai karakteristik prima yang dapat memberikan informasi tentang posisi, kecepatan, dan waktu secara cepat, akurat, murah, dimana saja di bumi ini pada setiap saat tanpa tergantung cuaca (Soni Darmawan, Pusat Penginderaan Jauh, ITB, 2008).

Disisi lain, citra satelit merupakan perangkat vital untuk keperluan informasi pemetaan guna lahan (land use) dan tutupan permukaan lahan (land cover), maupun SIG (Geographic Information System) dll. Pencitraan (remotely sensed images) seringkali dianggap sebagai peta yang merupakan hasil proses radiometric dari permukaan bumi. Untuk memperoleh informasi peta yang benar harus memperhatikan faktor lain, yaitu penyimpangan geometri yang harus dikoreksi pada sebuah citra. Koreksi geometri atau juga dinamakan rektifikasi adalah kegiatan memperbaiki kemencengan (error), rotasi dan perspektif citra sehingga orientasi, projeksi dan anotasinya sesuai dengan yang ada pada peta.
Hal utama yang perlu diperhatikan dalam penginderaan jauh adalah bagaimana memperoleh dan menangani data secara geometri dari sebuah citra. Untuk memperoleh citra yang benar secara geografis, harus dilakukan koreksi geometri. Cara melakukan koreksi geometri bisa bermacam-macam sangat bergantung tujuan yang diinginkan. Dari kebutuhan koreksi geometri dengan kemampuan ketepatan titik kontrol tanah (GCP) tinggi hingga rendah. Khusus untuk kegiatan perencanaan perkotaan yang membutuhkan peta skala besar, dapat menggunakan citra resolusi tinggi seperti: SPOT, IRS 1 C/D, IKONOS, QuickBird dengan ketepatan akurasi GCP tingkat sedang.
Kemajuan teknologi menjadikan kemampuan resolusi digital sangat dibutuhkan bagi citra untuk keperluan penginderaan jauh, karena didalamnya tersusun piksel/pixel (picture element) yang sangat banyak jumlahnya dan tiap 1 piksel mengandung beragam data dilapangan atau dikenal sebagai resolusi spatial. Oleh sebab itu untuk menghindari berbagai kesalahan pembacaan data citra, perlu dilakukan titik kontrol tanah (GCP/ Ground Control Point) diberbagai tempat agar diperoleh ketepatan yang maksimal pada proses koreksi geometri. Pada negara berkembang khususnya Indonesia, perkembangan peta skala besar untuk keperluan pembangunan dan informasi perkotaan sangat lambat dibandingkan dengan pertumbuhan jumlah pendududuk dan ekonominya. Umumnya masih mengandalkan peta-peta garis yang sudah tertinggal dengan kebutuhannya, dan terkadang masih digunakan sebagai dasar GCP. Hal ini tentu akan mengakibatkan tingkat kesalahan yang tinggi pada koreksi geometrinya. Dengan kondisi tersebut maka, untuk memperoleh koreksi geometri pada resolusi tinggi GPS dapat digunakan sebagai alternatif yang memiliki akurasi dibawah 10 m.
Studi ini memilih kawasan Kecamatan Socah Kabupaten Bangkalan, dengan pertimbangan lokasi telah terbangun, bentuk kawasan mudah dikenali, luas kawasan studi tidak terlalu besar sehingga sesuai untuk peta skala besar.

1.2 Rumusan Masalah
Terbatasnya ketersediaan peta skala besar yang telah terbaharui untuk kepentingan perencanaan perkotaan, akan menghambat proses koreksi geometri agar menghasilkan analisis dengan tingkat akurasi yang lebih baik. Dari uraian latar belakang diatas diperoleh rumusan permasalahan, sebagai berikut:
a) Bagaimana pola sebaran pengambilan GCP pada kawasan studi dan citra untuk menghindari kesalahan dan simpangan yang besar?
b) Bagaimana memperoleh titik kontrol tanah (GCP) pada kawasan perkotaan dengan cepat dan mudah untuk keperluan koreksi geometri suatu citra?
c) Bagaimana menentukan GCP dengan nilai kesalahan dan simpangan rendah?

1.3 Tujuan Penelitian
a) Mengetahui pola sebaran GCP di lapangan dan citra agar terhindar dari kesalahan dan simpangan yang besar.
b) Memperoleh GCP dengan mudah dan cepat untuk keperluan koreksi geometri suatu citra.
c) Menentukan GCP dengan nilai kesalahan dan simpangan yang rendah

1.4 Alat dan Bahan yang digunakan
a) PC Intel(R) Core (TM)2 Duo, E4600 @ 2.4 Ghz
b) GPSMap 76 Csx
c) Software Mapsource v 6.14.1
d) Google Earth
e) Microsoft Office Excel 2007

II. Tinjauan Pustaka
2.1 GPS dan jenis perangkat
GPS atau Global Positioning System adalah suatu sistem navigasi yang berbasis pada satelit yang tersusun pada suatu jaringan yang berjumlah 24 buah yang terletak pada garis edar bumi yang dilakukan oleh Departemen Pertahanan Amerika Serikat. Awalnya GPS digunakan untuk kebutuhan militer, tetapi kemudian pada tahun 1980-an Pemerintah Amerika Serikat memberikan ijin untuk penggunaan masyarakat umum. GPS dapat digunakan dalam berbagai kondisi cuaca, dimanapun di dunia selama 24 jam/ hari dan tidak dikenakan biaya apapun dalam menggunakan jasa ini (www.garmin.com).
Terdapat 3 macam jenis GPS, yaitu;
• Geodetic,
• Mapping, dan
• Navigasi.

Pada GPS Geodetic memiliki sistem penerima (receivers) dual frekwensi yaitu mampu menangkap 2 signal L1 dan L2 bersamaan. GPS tersebut umumnya digunakan untuk keperluan survey dengan tingkat akurasi sangat tinggi dan tingkat kesalahan dibawah centi meter, misalnya kegiatan survey: konstruksi, jalan bebas hambatan, pengeboran, dan lain sebagainya.

GPS Mapping memiliki frekwensi tunggal (single frequency) yang berfungsi menerima dan mengumpulkan data-data spatial untuk kemudian dituangkan dalam kegiatan GIS/SIG (sistem informasi geografis). Tingkat ketelitian GPS ini termasuk medium (menengah) dengan kesalahan dibawah meter hingga beberapa meter (<10m). Perangkat ini biasa digunakan untuk kegiatan pemetaan.

GPS Navigasi biasa digunakan oleh sipil. Perangkat ini memiliki kemampuan lebih rendah dari GPS Mapping karena keterbatasan pada track log maupun penyimpanan waypoint (www.garmin.com) dan bahkan fasilitas kompas ataupun altimeter tidak ditemui.

2.2 Akurasi GPS

Kemampuan akurasi maupun kelengkapan fasilitas yang berbeda-beda pada jenis GPS mengakibatkan harga yang ditempelkan pada perangkat tersebut atas atas nilainya bisa berbeda dengan selisih yang jauh, dari 1 juta hingga ratusan juta bahkan milyar.

Pada 2 jenis GPS terakhir (Mapping dan Navigasi), memiliki akurasi semakin baik pada akhir-akhir ini. Dua hal utama yang mempengaruhi keakuratan GPS adalah Selective Availability (SA) dan multipath. SA adalah upaya sengaja dari pihak Departemen Pertahanan Amerika Serikat untuk mengurangi akurasi GPS dalam rangka melindungi negaranya. Awalnya SA menyebabkan akurasi GPS sebesar 100 meter, artinya posisi obyek berada dalam radius 100 meter dari yang seharusnya. Beruntunglah pada awal tahun 2000 Pemerintah Amerika Serikat mencabut kebijaksanaan SA tersebut sehingga akurasi GPS pada umumnya menjadi sekitar 10 meter. Angka ini cukup memadai untuk GPS genggam. Dengan asumsi peta yang kita tampilkan di layar memiliki skala 1:10.000, maka kesalahan 10 meter di lapangan hanya setara dengan 0,1 milimeter di layar display GPS, artinya tidak masalah jika diabaikan (Larry A Wagnet, Kompas, 2 April, 2004).

Keakuratan juga dipengaruhi oleh gangguan yang disebut dengan multipath. Kesalahan ini terjadi akibat sinyal yang ditangkap oleh antena GPS terpantulkan terlebih dahulu ke obyek di sekeliling GPS semisal gedung maupun batang pohon. Artinya, posisi yang terekam oleh antena GPS sebenarnya adalah posisi gedung atau pohon yang memantulkan sinyal tersebut dan bukannya posisi kita berdiri. Untuk menghindari hal tersebut, dianjurkan pada saat mengoperasikan GPS hendaknya memilih lokasi yang relatif terbuka.

Cara lain yang populer untuk aplikasi sipil adalah Differential GPS atau disingkat DGPS. DGPS menggunakan satu stasiun Bumi penerima sinyal GPS. Karena stasiun Bumi ini tahu persis lokasi sesungguhnya, ia bisa menghitung seberapa besar kesalahan informasi GPS pada satu waktu tertentu. Informasi kesalahan ini dikirimkan oleh stasiun DGPS ke alat penerima DGPS agar bisa membuat koreksi yang lebih presisi. Beberapa negara memutuskan membangun sistem DGPS nasional, misalnya, USCG DGPS (United States Coast Guard DGPS) dan WAAS (Wide Area Augmentation System) di AS, CDGPS (Canada-wide DGPS) dan AMSA DGPS (Australian Maritime Safety Authority DGPS). DGPS biasanya punya akurasi sampai 1 meter, tetapi makin jelek jika semakin jauh dari stasiun Bumi DGPS (www.navigasi.com/forum).

2.3 Titik Kontrol Tanah (GCP)

GCP (Ground Control point) atau titik kontrol tanah adalah proses penandaan lokasi yang berkoordinat berupa sejumlah titik yang diperlukan untuk kegiatan mengkoreksi data dan memperbaiki keseluruhan citra yang akhirnya disebut sebagai proses rektifikasi. Tingkat akurasi GCP sangat tergantung pada jenis GPS yang digunakan dan jumlah sampel GCP terhadap lokasi dan waktu pengambilan.
Lokasi ideal saat pengambilan GCP adalah perempatan jalan, sudut jalan, perpotongan jalan pedestrian, kawasan yang memiliki warna menyolok, persimpangan rel dengan jalan dan benda/ monumen/ bangunan yang mudah diidentifikasi atau dikenal. Perlu dihindari pohon, bangunan, dan tiang listrik selain sulit diidentifikasi, karena kesamaannya yang tinggi.

III. Metodologi
Pada saat akan melakukan GCP, terdapat 3 hal yang harus diperhatikan:
i) Tingkat Akurasi, yang bergantung pada jenis perangkat GPS yang digunakan
ii) Lokasi pengambilan sampel, berkaitan dengan tempat pemilihan titik-titik kontrol dilapangan pada daerah/ sudut yang mudah dikenali.
iii) Merupakan kawasan skala kota: 1:5000, 1: 1000
3.1 Rata-rata Hitung
Jumlah sampel yang lebih dari satu pada suatu kawasan bertujuan untuk memperkecil kesalahan akibat kualitas signal satelit yang selalu berubah, dapat disebabkan karena jenis perangkat, dan lingkungan sekitar yang menghalangi daya tangkap signal. Rata-rata hitung dapat digunakan untuk mengetahui apakah suatu kegiatan terjadi atau kenaikan dari suatu target yang diinginkan. Setelah dilakukan pengambilan sampel dilakukan rata-rata hitung koordinat GCP dengan rumus:

3.2 Simpangan Baku (s)

Simpangan baku digunakan untuk menguji pemakaian suatu alat, apakah alat tersebut layak dipakai atau tidak dengan penetapan simpangan baku yang normal di gunakan.

3.3 Koefisien Varian (v)
Variansi adalah rata-rata kuadrat selisih atau kuadrat simpangan dari semua nilai data terhadap rata-rata hitung. Variansi untuk sampel dilambangkan dengan s².
dan

Variansi < 10% menunjukkan simpangan kecil dan data dapat diterima.

3.4 Kawasan Studi Terpilih
Lokasi kawasan memiliki bentuk mudah dikenali dan luasan tidak terlalu besar (± 1 Km²), terletak pada L 74’48.46’’ S dan B 11242’21.60’’ T sampai L 75’53.12’’ S dan 11253,33” E, Kecamatan Socah Kabupaten Bangkalan. (gambar-1)

Gambar-1. Citra Kecamatan Socah Kabupaten Bangkalan dan Track lapangan

IV. Pembahasan
4.1 Perekaman GCP
Dilakukan perekaman / pengambilan GCP berulang-ulang pada tiap daerah yang diamati untuk memperkecil kesalahan (error) saat menentukan GCP rata-rata. (gambar-2)

Gambar-2. GCP berwarna kuning diambil secara berulang-ulang

Setelah titik kontrol tanah dikumpulkan pada proyeksi Lintang dan Bujur , datum WGS 84 selanjutnya untuk mencari harga rata-rata koordinat dilakukan penyesuaian dari sistem koodinat DMS (derajat, menit, detik) menjadi sistem desimal yaitu koordinat (x,y). Terdapat 10 titik pengambilan (P1-P10) pada P4 diabaikan karena mengalami penyimpangan terlalu jauh, disebabkan P4 berada di luar wilayah pengambilan (notasi warna merah pada tabel-1).

4.2 Pola Sebaran GCP

Seperti pada gambar-3, GCP bertanda garis merah putus-putus (P4) pada kondisi dilapangan berada diluar kelompok pengambilan titik kontrol. Lebih jelas terlihat pada gambar berikut (Gambar-4). Pada GCP1 (P1,P2,P3), dilakukan pengambilan 3 sampel berbeda dalam satu grup daerah dengan selisih waktu 1 menit (11.30-11.31). Untuk GCP2 (P5,P6,P7,P8), perbedaan waktu yang cukup jauh terjadi pada P4 (2menit/ lihat tabel-1) yang selanjutnya diabaikan. Pada GCP3 (P9,P10), dilakukan pengambilan sampel 2 titik yang pada akhirnya terlihat simpangannya lebih besar dibandingkan GCP1 dan GCP2.

Gambar-4. Pola sebaran GCP dilapangan.

Gambar-5. Detil wilayah pengambilan GCP1

Gambar-6. Detil wilayah pengambilan GCP2 dengan P4 diluar kelompok

Gambar-7. Detil wilayah pengambilan GCP3

4.4 Rata hitung, Simpangan, dan Variansi

Tabel-2. Rata Hitung

Dari beberapa sampel titik kontrol diperoleh koordinat rata-rata; GCP1 (112,7123038, -7,0968204), GCP2 (112,707167, -7,091724325), dan GCP3 (112,7132388, -7,08240025). Selanjutnya makin terbukti pengambilan sampel dengan jumlah yang sedikit akan memberikan simpangan lebih besar dibanding dua GCP lainnya (lihat tanda lingkaran merah dengan garis putus-putus pada tabel-3 lanjutan), seperti pada GCP3 yaitu: Vx= 0,000082% pada absis (x) dan Vy= 0,0016% pada ordinat (y) (tabel-3). Pada Variansi diambil harga mutlak.

V. Penutup
5.1 Kesimpulan.
• Pada penentuan titik kontrol tanah (GCP) untuk keperluan koreksi geometri yang dilakukan di Kecamatan Socah Kabupaten Bangkalan, secara keseluruhan menunjukkan kinerja alat GPSMap 76 Csx bekerja dengan baik. Hal ini terlihat dari tingkat kesalahan yang rendah masih dibawah 10%.
• Pada peta skala besar khususnya untuk kebutuhan perencanaan perkotaan, kemampuan GPSMap 76 Csx untuk kegiatan GCP dapat menunjukkan ketepatan/ akurasi sangat baik.
• Selisih simpangan yang relatif besar (v) diakibatkan jumlah GCP sebagai sampel terlalu sedikit, selanjutnya diusahakan agar jumlah sampel diperbanyak minimal 3 buah GCP.
• Metoda menghitung rata-rata GCP yang digunakan, mengasumsikan koordinat yang diambil tidak memiliki sudut sedangkan satelit yang menangkap data memiliki sudut datang dan pantul.
5.2 Saran
• Untuk keperluan wilayah yang lebih luas, sebaiknya menggunakan GPS lebih dari satu untuk menghindarkan kesalahan pembacaan, dan simpangan yang besar selain sebagai kontrol.
• Pada penelitian berikutnya, hendaknya juga memperhatikan sudut koordinat dengan pertimbangan letak satelit yang tidak tegak lurus dengan lokasi GCP

(**) Telah dipresentasikan dalam Seminar Nasional Teknik Sipil V-2009. ITS. 11 Februari 2009

PUSTAKA

1. Larry A. Wagnet, (2004), “Global Positioning System”, Kompas, 2 April.
2. Soni Darmawan, (2008), “Perkembangan Teknologi GeoInformasi di Indonesia: Global Positioning Sistem (GPS), Remote Sensing (RS) dan Sistem Informasi Geografis (SIG)”, Pusat Penginderaan Jauh, ITB.
3. S. Alhamlan, J. P. Mills , A. S. Walker , T. Saks, ” The Influence Of Ground Control Points In The Triangulation Of Leica Ads40 Data”, The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Vol. 34, Part XXX.
4. 7. S. K. Katiyar, Onkar Dikshit , Krishna Kumar, (2002), “GPS for geometric correction of remotely sensed imagery: possibilities after termination of SA”, Asian GPS Proceeding.
5. http://www.garmin.com
6. http://www.navigasi.com/forum

PENGARUH PERGURUAN TINGGI TERHADAP POLA RUANG KAWASAN PINGGIRAN (STUDI KASUS: KAWASAN SEKITAR UNMUH III)

Yuyun Qomariyah*, Ir. Agus Dwi Wicaksono Lic.Rer.Reg**, Ir. A. Wahid Hasyim MSP***

Abstrak

Penetapan Kota Malang sebagai Kota Pendidikan, Pariwisata dan Industri Kecil berdampak pada pola pembangunan yang ada di Kota Malang, salah satunya adalah pembangunan di sektor pendidikan berupa peningkatan penyediaan sarana pendidikan. Pada perkembangan selanjutnya lokasi kawasan pendidikan tinggi bergeser ke kawasan pinggiran, hal ini disebabkan untuk pengembangan kawasan pendidikan perguruan tinggi tersebut diperlukan ketersediaan lahan yang cukup luas, sedangkan lahan pada kawasan pendidikan yang ada di sekitar kawasan Sumbersari sudah tidak dapat lagi mencukupi kebutuhan untuk pembangunan perguruan tinggi karena lahan yang ada di kawasan tersebut sudah berkembang menjadi perumahan. Pembangunan perguruan tinggi di kawasan pinggiran ini merupakan salah satu dampak dari sudah tidak mampunya pusat perguruan tinggi di Kota Malang yaitu di Kawasan Sumbersari untuk menyediakan kebutuhan akan lahan. Penelitian yang berjudul Pengaruh Perguruan Tinggi Terhadap Pola Ruang Kawasan Pinggiran (Studi Kasus Kawasan Sekitar UNMUH III Malang) dimaksudkan untuk mengetahui pengaruh dari keberadaan perguruan tinggi terhadap pola ruang kawasan pinggiran yang di dalamnya akan membahas pengaruh perguruan tinggi terhadap pola perkembangan kawasan sekitar UNMUH III dan pola penggunaan lahan, sehingga dapat diketahuinya pengaruh dari UNMUH III terhadap perkembangan fisik kawasan sekitarnya yang lebih ditekankan dari segi pendekatan fisik (morfologycal approach)
Penelitian ini bertujuan untuk mengidentifikasi karakteristik fisik kawasan di sekitar UNMUH III, mengetahui pola perkembangan kawasan di sekitar UNMUH III dan mengetahui pengaruh keberadaan UNMUH III terhadap fisik kawasan sekitarnya. Metode yang digunakan dalam penelitian ini adalah metode analisis deskriptif dengan analisis statistik dasar dengan memanfaatkan diagram, tabel distribusi frekuensi untuk mengetahui karakteristik fisik kawasan sekitar UNMUH III, sedangkan untuk mengetahui pola perkembangan kawasan digunakan metode trend line dan analisis evaluatif morfologi kawasan serta analisis uji T berpasangan dan uji tanda wilcoxson untuk mengetahui pengaruh UNMUH III terhadap fisik kawasan di sekitarnya.
Hasil yang didapatkan dari penelitian ini adalah terjadi peningkatan lahan terbangun dari 8,48 Ha sebelum adanya UNMUH III menjadi 35,47 Ha setelah adanya UNMUH III. Pergeseran intensitas bangunan akibat adanya UNMUH III, sebelum adanya UNMUH III intensitas bangunan didominasi oleh bangunan dengan KDB 0-0111 sebesar 61,8% dan KLB 0-0,333 sebesar 64,9%, setelah adanya UNMUH III bangunan dengan nilai koefisien dasar bangunan dan lantai bangunan mendekati 1 yang mendominasi bangunan di wilayah studi. Bangunan dengan KDB 0,896-1,00 sebesar 60,5% dan KLB 0,668 – 1,001 sebesar 64,9%. .Terjadi pergerseran fungsi bangunan setelah adanya UNMUH III, bangunan dengan fungsi rumah sebagai tempat tinggal berubah fungsi menjadi rumah dengan fungsi ganda yaitu rumah dan tempat usa dan kos-kosan. Terjadi penambahan panjang jeringan jalan berdasarkan perkerasannya, dimana jalan dengan perkerasan aspal mendominasi jeringan jalan di wilayah studi setelah adanya UNMUH III yang berdampak pada perubahan fisik kawasan.
Secaran makro pola fisik kawasan di sekitar UNMUH III saat ini adalah bentuk kota terbelah-belah tidak merata. Sebelum adanya UNMUH III fisik kawasan di sekitar UNMUH III memiliki bentuk berantai bertingkat namun setelah adanya UNMUH III bentuk fisik kawasan di sekitar UNMUH III terbagi menjadi dua bentuk yang dominan. Bagian di sebelah timur laut Sungai Brantas memiliki bentuk perkembangan fisik memita tidak teratur dengan kecenderungan arah perkembangan memita dan bepotensi untuk berkembang menjadi bentuk persegi panjang tidak sempurna jika terjadi pengembangann jaringan jalan ke arah samping. Sedangkan kawasan di sebelah barat Sungai Brantas memiliki bentuk fisik kawasan kipas tidak sempurna dengan sudut 180 derajad. Arah perkembangan kawasan di sebelah barat Sungai Brantas juga berpotensi untuk membentuk pola kipas dengan sudut 180 derajat bila dilakukan pengembangan jaringan jalan yang seimbang ke setiap segmen. Setelah dilakukan uji T berpasangan dan uji tanda wilcoxson didapatkan nilai t hitung lebih kecil dari t tabel dengan nilai sigifikasi kurang dari 0,05 sehingga dapat disimpulkan bahwa terjadi perubahan fisik kawasan sebelum dan sesudah adanya UNMUH III.
Berdasarkan hasil analisis maka direkomendasikan pengembangan jaringan jalan ke arah samping di kawasan sebelah timur laut Sungai Brantas sehingga perkembangan pembangunan yang ada tidak hanya memanjang tetapi juga seimbang ke arah samping dan penggunaan lahan dapat dilakukan secara optimal, pembangunan jembatan yang ditujukan untuk umum sehingga kawasan di belakang UNMUH III dapat berkembang serta peningkatan sistem transportasi terutama angkutan umum pada kawasan sebelah timur laut Sungai Brantas sehingga dapat berkembang dengan cepat. Pengembangan jaringan jalan yang seimbang di setiap segmen wilayah di sebelah barat daya Sungai Brantas agar pengembangan kawasan dapat berjalan secara seimbang di setiap segmen kawasan, salah satunya pembangunan jalan di belakang Terminal Landungsari yang saat ini didominasi oleh lahan kosong yang masih belum adanya tanda-tanda untuk berkembang sehingga menimbulkan kesenjangan pembangunan

Kata Kunci: pola, fisik, kawasan

*Yuyun Qomariyah, Mahasiswa Perencanaan Wilayah dan Kota Universitas Brawijaya, Angkatan 2002
** Ir. Agus Dwi Wicaksono Lic.Rer.Reg, Dosen Jurusan Perencanaan Wilayah dan Kota
*** Ir. A. Wahid Hasyim MSP, Dosen Jurusan Perencanaan Wilayah dan Kota

DAFTAR PUSTAKA

Anonim. 2005. Kamus Besar Bahasa Indonesia. Jakarta: Balai Pustaka
Anonim. 2001. Rencana Tata Ruang Wilayah Kota Malang. Pemerintah Kota Malang
Anonim. 2005. Rencana Detail Tata Ruang Kota Kecamatan Lowokwaru. Pemerintah Kota Malang
Anonim. 2003. Penyusunan Rencana Tata Ruang Kawasan Pertumbuhan Cepat Dau – Karangploso, Kabupaten Malang. Pemerintah Kabupaten Malang
Arikunto, Suharsimi. 2002. Prosedur Penelitian Suatu Pendekatan Praktek. Yogyakarta: Rineka Cipta
Afrianto, Firman. 2006. Konsep Pengembangan Kota Berdasarkan Karakteristik Kawasan Urban Fringe Kota Malang. Skripsi tidak diterbitkan. Malang Jurusan Teknik Perencanaan Wilayah dan Kota.
Bintarto. 1983. Interaksi Desa – Kota. Jakarta: Ghalia Indonesia
Bourne, Larry. 1971. Internal Structure of The City. New York: Oxford University Press
Daldjoeni. 2003. Geografi Kota dan Desa. Bandung: Alumni
Irzami, Ichwan. 2005. Pengaruh Perkembangan Perubahan penggunaan Lahan dan Pengaruh Kegiatan Industri di Kecamatan taman Sidoarjo. Skripsi tidak diterbitkan. Malang Jurusan Teknik Perencanaan Wilayah dan Kota.
Jayadinata, Johara T. Tata Guna tanah dalam Perencanaan Pedesaan Perkotaan dan Wilayah. Bandung: Ganesa
Kountur, Ronny. 2003. Metode Penelitian Untuk Penulisan Skripsi dan Tesis. Jakarta: PPM
Koestoer, Raldi Hendro. 1997. Perspektif Lingkungan Desa – Kota Teori dan Kasus. Jakarta: UI – Press
Koestoer, Raldi Hendro. 2001. Dimensi Keruangan Kota Teori dan Kasus. Jakarta. UI-Press
Marhendriyanto, Beta. 2002. Pengaruh Perguruan Tinggi terhadap Perkembangan Kawasan Sekitar. Thesis tidak diterbitkan. Semarang: Jurusan Teknik Perencanaan Wilayah dan Kota
Octavia, Deasy. 2001. Identifikasi Bentuk dan Struktur Kota-kota Kecil Serta Faktor0faktor yang Mempengaruhinya di Kabupaten Daerah Tingkat II Malang. Malang: Planit Jaournal
Santoso, Singgih. 2005. Menguasai Statistyik di Era Informasi dengan SPSS 12. Jakarta: Elex Media Komputindo
Stanilov, Kiril and Brenda Case Scheer. 2005. Suburban Form an International Perspective. London: Routledge
Sugiyono. 2005. Statistik Untuk Penelitian. Jawa Barat: Alfabeta
Wahyuni, Novianti. 2002. Pengaruh Keberadaan Perguruan Tinggi terhadap Perkembangan Struktur dan Bentuk Kawasan Pinggiran (Studi Kasus Kawasan Sekaran. Thesis tidak diterbitkan. Semarang: Jurusan Teknik Perencanaan Wilayah dan Kota
Yunus, Hadi Sabari. 2005. Manajemen Kota. Yogyakarta: Pustaka Pelajar
Yunus, Hadi Sabari. 2002. Struktur Tata Ruang Kota.Yogyakarta.: Pustaka Pelajar

DETERMINATION OF LAND COVER AS LANDSLIDE FACTOR BASED ON MULTITEMPORAL RASTER DATA IN MALANG REGENCY

Authors: Abdul Wahid Hasyim, Hyang Iman Kinasih Gusti and Gunawan Prayitno

Abstract: 

Malang Regency is one of the regency administration areas in East Java Province. The complex physical condition of Malang Regency, especially its land reliefs accompanied by high rainfall, causes Malang Regency obtain floods and landslides frequently. Based on the BPBD data in 2017, it is stated that around 80% of Malang Regency is disaster-prone area of floods and landslides, especially in the southern part of Malang Regency. This is caused by several natural factors, one of which is slope, and human factors called changes in land cover. This study aims to examine the land cover factors that influence the extent of landslides that occur in the Southern Malang Regency. The independent variable used is builtup area, dense tree vegetation, vegetation of rare trees, shrubs, grass, open space, slope, and distance. Based on the results of multiple linear regression analysis, it can be concluded that the builtup area cover with coefficient value 0.062 and open space with coefficient value 0.020 are variables that are directly proportional to the area of the landslide that has a higher percentage of the area of land cover being built and open, the area of landslides will increase, while the variable cover of vegetated land has properties inversely proportional to the extent of landslides which means that it can reduce the extent of landslides if the percentage of vegetated land cover increases.

>>full text download

Kesalahan dalam Modul CA-Markov di Idrisi/Terrset

Oleh: Regina Ermandita

Idrisi (Saat ini berganti nama menjadi Terrset) merupakan software integrasi GIS dan remote sensing yang dikembangkan oleh Clark Labs. Para pengguna lebih sering menggunakan Terrset untuk permodelan lahan karena memang keunggulan software ini terletak pada kemampuannya untuk memodelkan lahan. Terrset memiliki berbagai macam model, salah satu model yang sering digunakan adalah integrasi Cellular Automata (CA) dengan Markov untuk memodelkan perubahan tutupan lahan. Saya menggunakan model integrasi CA-Markov ini untuk memodelkan perubahan tutupan lahan di kawasan pesisir Kabupaten Gresik, yang merupakan penelitian tugas akhir saya di bawah bimbingan Bapak Dr. Ir. Abdul Wahid Hasyim, MSP. Tujuan utama penelitian saya selain untuk mengetahui bagaimana pola tutupan lahan di masa mendatang, juga untuk mengetahui kesesuaiannya dengan rencana tata ruang yang berlaku.

Model CA-Markov dalam Terrset cukup mudah untuk dilakukan dikarenakan permodelan lahan dengan software Terrset sendiri menurut saya sangat user-friendly terutama bagi pemula seperti saya. Hanya tinggal memasukkan data, menetapkan iterasi dan filter, dan klik OK saja hasilnya sudah muncul tanpa perlu bersusah payah mengkalibrasi ulang model. Karena user-friendly inilah yang menjadi alasan saya menggunakan model CA-Markov dari Terrset ini. Model CA-Markov dalam Terrset terbagi menjadi 2 modul, MARKOV dan CA_MARKOV. Untuk menjalankan model, modul MARKOV dilakukan terlebih dahulu baru CA_MARKOV untuk menghasilkan peta prediksi tutupan lahannya.

Percobaan pertama saya adalah memodelkan perubahan tutupan lahan pada tahun 2017 dengan data tutupan lahan 2007 dan 2012 dari Landsat 7. Wilayah studi saya adalah pesisir Kabupaten Gresik dengan luas ± 790 km². Syarat utama dalam permodelan CA-Markov adalah data harus dalam keadaan sama koordinat, resolusi, ukuran kolom dan baris, dan jumlah kelas tutupan lahan. Sebelum masuk pada modul MARKOV, data sudah saya pastikan solid dan  memenuhi syarat.

Gambar berikut merupakan hasil dari percobaan pertama saya. Terdapat garis-garis melintang di beberapa daerah. Saya memutuskan untuk googling hingga akhirnya menemukan forum dan ada orang lain yang mengalami nasib sama dengan saya (Link forum: https://www.researchgate.net/post/How_long_does_CA-MARKOV_Module_in_IDRISI_Selva_processing_take)

Kesimpulan yang saya baca dari percapakan forum tersebut adalah:

1. Proses modul CA-Markov butuh memori besar, sehingga dibutuhkan komputer yang mempunyai spesifikasi memadai (minimal 8GB RAM dan prosesor minimal intel i5 atau setara)
2. Mengecilkan resolusi piksel dari standar (30×30) menjadi lebih rendah (60×60 , atau 90×90)

Poin pertama, laptop saya sudah memenuhi syarat (8GB RAM, prosesor AMD A12) dengan memori penyimpanan yang cukup banyak karena keadaan laptop saya baru saja diinstal ulang. Saya mencoba melakukan poin kedua. Ternyata resolusi piksel yang lebih rendah tidak berguna bagi penelitian saya.

Saya sempat berpikir mungkin data saya yang merupakan hasil gapfill dari Landsat 7 sehingga mempengaruhi hasil prediksi. Namun ternyata, di forum tersebut orang yang mengalami masalah sama dengan saya menggunakan citra beresolusi lebih tinggi dari Landsat 7 yang seharusnya tanpa melewati proses gapfill di awal datanya sudah solid, tidak seperti saya. Ada sekitar lebih dari 10 kali percobaan dan hasilnya tetap sama sehingga saya menyerah dan memutuskan untuk berganti model.

Saat mengolah data untuk model baru, saya menyadari kesalahan saya. Cukup fatal dan mungkin merupakan penyebab hasil prediksi CA-Markov yang rusak seperti gambar sebelumnya. Data input tahun awal yang seharusnya tutupan lahan tahun 2007, ternyata saya masukkan data tahun 2012. Lahan terbangun akan semakin bertambah seiring dengan waktu. Apabila saya memasukkan data yang terbalik, maka hasilnya berkebalikan dengan hipotesa awal dimana lahan terbangun semakin bertambah melainkan lahan non terbangun yang bertambah.

Konsep Markov yang memprediksi kemungkinan transisi perubahan tiap kelas seharusnya mampu memodelkan hal yang berkebalikan ini dikarenakan pada dasarnya semua variabel diuji tanpa terkecuali dan tidak memandang bagaimana hubungan antar variabel tersebut sehingga perubahan terbalik seperti lahan terbangun menjadi tidak terbangun seharusnya tetap bisa dimodelkan. Data tutupan lahan yang saya masukkan pun juga tidak memilik legenda dan hanya terdiri dari keterangan nilai kelas saja sehingga Terrset seharusnya dapat memodelkan karena tidak mengetahui nama dari tiap kelas tutupan lahan. Konsep CA yang hanya menggambarkan pergerakan piksel pun seharusnya juga mampu memprediksi gerakan piksel tiap kelas tanpa terkecuali karena CA memang hanya menggambarkan pergerakan piksel berdasarkan hasil markov dan bukan dari parameter-parameter lain seperti pada model lain (contoh: Land Change Modeler) yang ada pada Terrset. Berdasarkan pendapat saya tersebut, saya menyimpulkan bahwa kesalahan tidak murni di saya saja tetapi Terrset itu sendiri juga memiliki kesalahan berupa bug dalam modul CA_Markov sehingga menghasilkan peta prediksi yang rusak seperti yang saya alami.

          Setelah menyadari kesalahan saya, saya kembali mencoba menjalankan model CA-Markov dan mendapat hasil berikut seperti pada gambar. Sebelah kanan merupakan hasil terbaru. Tidak ada lagi garis-garis melintang. Namun, apabila di zoom in lebih lanjut hasil dari CA-Markov kurang halus. Setelah saya validasi dengan modul VALIDATE pun hanya mencapai kurang dari 80%. Hasil terbaru hanya memiliki enam kelas karena memang saya me-reclass ulang menjadi enam. Saya sempat berpikir karena terlalu banyak kelas mungkin juga yang mempengaruhi hasil, tapi ternyata tidak demikian. Karena saya tidak puas dengan hasil akhir peta proyeksi, saya akhirnya memilih untuk menggunakan Land Change Modeler yang juga terdapat pada Terrset. Prosesnya memang lebih rumit daripada CA-Markov, tetapi hasilnya memuaskan bagi saya dan mampu menjawab tujuan penelitian saya. Hikmah yang dapat saya ambil dari kejadian ini adalah sebagai berikut:

1.    Teliti kembali input data tutupan lahan dan jangan sampai tertukar antara data input untuk tahun awal dan tahun akhir.
2.    Pada saat menjalankan modul CA_MARKOV, usahakan untuk tidak membuka  program lainnya. Saya menyadari ini karena pada saat percobaan terbaru yang berhasil, saya tidak membuka program apapun selain Terrset itu sendiri. Saya ingat pada saat percobaan pertama yang gagal, saya juga membuka Spotify dan Google Chrome yang otomatis memakan RAM banyak sehingga hasilnya rusak karena memori untuk pemrosesan terpakai oleh yang lain dan membuat Terrset tidak berjalan maksimal.
3. Jumlah kelas tutupan lahan dan resolusi piksel tidak berpengaruh karena sebesar apapun data yang dipakai, apabila komputer yang dipakai tidak memadai maka akan berpengaruh besar pada hasil.
4. Karena saya hanya menggunakan dua data acuan (2007 dan 2012 saja), maka hasil CA-Markov kurang halus sehingga dibutuhkan data acuan tambahan yang sekiranya dapat memperhalus hasil prediksi dan memiliki hasil validasi yang memuaskan (> 80%).

            Demikian, pengalaman saya menggunakan model CA-Markov Terrset untuk memodelkan perubahan tutupan lahan. Semoga dengan tulisan ini, bagi yang ingin mencoba model CA-Markov Terrset dapat belajar dari kesalahan saya.

*mahasiswa PWKUB-2014

IDENTIFIKASI PERTUMBUHAN DAN RTH KOTA SURABAYA TAHUN 1990 -2009 MENGGUNAKAN CITRA LANDSAT ETM+

Abdul Wahid Hasyim

Pesatnya kegiatan dan kehidupan perkotaan yang semakin beragam mengikuti tuntutan kebutuhan  warganya, secara perlahan tanpa disadari telah merubah wajah permukaan lahan perkotaan. Kota Surabaya dengan jumlah penduduk yang mendekati 3,2 juta jiwa adalah kota terbesar ke-2 di Pulau Jawa bahkan Indonesia. Perluasan secara horizontal disebutnya ‘expansion’ masih menjadi pilihan dominan dibandingkan perluasan secara vertikal disebut ‘compaction’ atau pemampatan. Cara  expansion akan memakan banyak ruang, sebaliknya cara compaction akan meningkatkan kepadatan atau intesitas (Maguire, D.J., dkk., 2005).

Pertumbuhan kota dan ruang terbuka hijau (RTH) perkotaan adalah suatu kebutuhan yang saling menenggang. Meningkatnya jumlah penduduk perkotaan menuntut kebutuhan ruang semakin luas agar berbagai aktivitasnya dapat terpenuhi, sebagai akibatnya terjadilah perubahan pemanfaatan lahan (land use change) (Keisuke Hanaki, 2008). Sebaliknya, menyusutnya luas RTH berpengaruh terhadap keseimbangan harmonis antara pertumbuhan kota dan lingkungannya (Cedric Pugh, 2001).

Menggunakan teknologi penginderaan jauh berdasarkan data citra Landsat TM dan Landsat ETM+ sejak tahun 1990-2009 (19 tahun), setelah dilakukan proses seperti pada gambar 1 berikut diperoleh simulasi perubahan pertumbuhan Kota Surabaya (gambar 2) dan Penyusutan RTH Kota Surabaya (gambar 3).

 Gambar 1. Pengolahan Citra Landsat

Gambar 2. Video Pertumbuhan Kota Surabaya Tahun 1990-2009

Gambar 3. Video Menyusutnya RTH Kota Surabaya Tahun 1990-2009

Pustaka

1.  Cedric Pugh, 2001, Sustainable Cities in Developing Countries: Theory and Practice at the Millennium, Earthscan Publications Ltd, London and Sterling, VA

2. Keisuke Hanaki, 2008, Urban Environmental Management and Technology, Springer, Japan.

3. Maguire, D.J., Batty, M., Goodchild, M.F., (2005), Urban Growth Using Cellular Automata Models. In GIS, Spatial Analysis and Modeling, Redlands, California: ESRI Press, p151-172.

(**) Baca lain sejenis.

SPATIAL STATISTIC OF 8 BAND WORLDVIEW 2- MULTISPECTRAL IMAGERY FOR DETAIL URBAN LAND COVER CLASSIFICATION

Abdul Wahid HASYIM1, Adipandang YUDONO2

1URegSpaceLAB, Urban and Regional Planning Department,

Brawijaya University

2URegSpaceLAB, Urban and Regional Planning Department,

Brawijaya University

(INDONESIA)

Executive Summary Spatial Information about land cover and land use in urban areas is needed various kinds of planners and research professions, such as land use planner, transport planner, architect, hydrologist also urban climate researcher (www.awhasyim.wordpress.com, accessed 2011). According to Eric F. Lambin, Helmut Geist, (2006), Land use is a land management information which is obtained from a very detailed analysis. Currently, information on land cover can be easily obtained by using satellite imagery. Through image processing of satellite recordings with sophisticated sensor technology, variety and characteristics of land cover can be known in detail. WORLDVIEW 2 is the image of the New High Resolution Spectral Bands that have excellent band from DigitalGlobe Inc; Coastal Band (400-450nm), Yellow Band (585-625nm), Red Edge Band (705-745nm), and Near Infrared 2 Band (860-1040nm) , and 4 other standard band of red, green, blue, and near-infrared 1. These bands very suitable for reading urban land cover classification. This research examine spatial statistic of 8 band-WORLDVIEW 2 by comparing classification techniques using SAM (Spectral Angle Mapper) method and Maximum Likelihood (ML) method to give the best classification results and which most appropriate bands affects the reflection spectrum of urban objects.

Full Text: Download

URBAN LAND USE CHANGE ANALYSIS USING TEMPORAL MULTISPECTRAL IMAGERY AND IMAGE DIFFERENCE

Abdul Wahid Hasyim(1, Teguh Hariyanto(2, M. Taufik2, Haryo Sulistyarso(3

1)PhD program in the field of Remote Sensing, 2)Department of Geomatica, 3)Department of Urban and Regional Planning, Faculty of Civil Engineering and Planning, Sepuluh Nopember Institute of Technology (ITS), Surabaya (INDONESIA)

ABSTRACT
As the second largest city in Indonesia, Surabaya city with a population of more than 3 million people that has a function as a center of business, commerce, industry, and education in Eastern Indonesia into a strong attraction for the urban thereby providing an increasing number of residents each year. Based on Landsat TM and Landsat 7 ETM+ Surabaya city has an area of 372.667 pixels or 335.4Km ², physically experiencing very rapid growth of the city for almost 20 years (1990-2009) 55.5% and 13.6% of the total area of the city. Most shape of growing cities in Indonesia, where are always faced with problems with the shrinking of the green area. Through remote sensing and GIS technologies, carried out the stages of processing of Landsat TM (1990) and Landsat 7 ETM years 2000-2009, where Landsat imagery in 2007 and 2009 should be processed first, for the missing data can be improved, needs to be done charging referred to as the filling scan gap. Performed supervised classification using Maximum Likelihood method and the overlay with GIS technology from the year 1990-2009. The study shows a green area with land use: vegetation and mangrove from the years 1990-2009 Surabaya shrinkage is very rapid, from 48% (1990) shrank 37.1% to just 10.9% in 2009, when calculated on the basis of extensive due 335.4Km ² siltation thereby increasing the land area on the east side of the city of Surabaya at 7.1Km².

Key words: land area, Surabaya city, temporal multispectral imagery, image difference

Full Text: Download

Perencanaan Wilayah Berupa Pengembangan Silvofishery Mengacu PERMEN LH No.17 Tahun 2010 dengan Penginderaan Jauh dan Aplikasi Sistem Informasi Geografis

Oleh

Adipandang Yudono ^1*), Abdul Wahid Hasyim ^1*), Sapto Andriyono ^2*)

adipandang@ub.ac.id;  awhasyim@ub.ac.id; sapto_conserv@yahoo.com

1)    Jurusan Perencanaan Wilayah dan Kota-Universitas Brawijaya

2)    Departemen Ilmu Kelautan-Universitas Airlangga

Abstrak

Pengembangan kota yang terjadi secara pesat secara tidak langsung mengakibatkan ekspansi ke wilayah secara makro. Hal ini jika tidak segera diantisipasi dapat menyebabkan alih fungsi lahan kosong atau ruang terbuka hijau menjadi bangunan. Dipihak lain mempengaruhi kehidupan sosial-ekonomi masyarakat pedesaan sekitar pinggiran perkotaan. Masyarakat yang berasal dari kelompok tani akan terpinggirkan akibat tuntutan pekerjaan yang tidak memenuhi kualifikasi masyarakat urban. Upaya mempertahankan kehidupan pedesaan, khususnya masyarakat pesisir, maka salah satu upaya penanggulangannya berupa pengembangan silvofishery. Silvofishery berupa konsep pertambakan yang dipadukan dengan konservasi berupa mangrove. Pada penelitian ini, akan menganalisis kesesuaian lahan pengembangan silvofishery menggunakan panduan variabel dan perhitungan kesesuaian lahan pada PERMEN LH No.17 Tahun 2010 dengan aplikasi Sistem Informasi Geografis (SIG) dan Penginderaan Jauh di pesisir pantai timur Jawa dengan fokus orientasi wilayah adalah Kabupaten Sidoarjo.

Kata kunci: Silvofishery, PERMEN LH no.17 Tahun 2010, SIG,  Penginderaan Jauh

1. Latar Belakang Permasalahan

Dalam realita kehidupan metropolitan, tuntutan wilayah yang termasuk didalamnya mengharuskan adanya alih fungsi guna lahan hingga alih fungsi pekerjaan dalam kehidupan pertaninan (termasuk didalamnya berupa sektor kelautan dan perikanan) menjadi  non-pertanian.  Hal ini jika tidak dikontrol akan berakibat konflik sosial yang besar dimana masyarakat asli yang berdiam sejak lama yang tidak dapat mengikuti kemajuan zaman akan terpinggirkan. Mengantisipasi ketimpangan sosial yang terjadi, maka penelitian ini mencoba mengajukan suatu usulan dengan melakukan perencanaan wilayah perkotaan dalam pengembangan kawasan tambak pada pantai timur jawa yang masuk kawasan GERBANG KERTASUSILA metropolitan  dengan fokus wilayah adalah Kabupaten Sidoarjo dimana dipadukan dengan mangrove sebagai wilayah konservasi dalam satu kesatuan konsep berupa silvofishery. Analisis pengembangan wilayah pada penelitian ini mengusung Analisis Kesesuaian lahan dengan sebelumnya melihat kelas kemampuan lahannya menggunakan Sistem Informasi Geografis, dimana variabel yang ada mengacu pada PERMEN LH no.17 Tahun 2009 serta dipadukan dengan identifikasi wilayah silvofishery menggunakan analisis Remote Sensing.

2. Silvofishery

Sejak tahun 1976 Perum Perhutani selaku pengelola kawasan hutan telah mengembangkan program yang mengintegrasikan kegiatan budidaya ikan dan pengelolaan hutan mangrove yang dikenal dengan istilah tambak tumpang sari, tambak empang parit, hutan tambak atau silvofishery yang semuanya bertujuan menekan laju degradasi hutan mangrove. Silvofishery adalah suatu bentuk usaha terpadu antara hutan mangrove dan perikanan budidaya. Pendekatan terpadu terhadap konservasi dan pemanfaatan sumberdaya hutan mangrove memberikan kesempatan untuk mempertahankan kondisi kawasan hutan tetap baik, disamping itu budidaya perairan payau dapat menghasilkan keuntungan ekonomi. Faktor penting lainnya adalah teknologi ini menawarkan alternatif yang praktis untuk tambak tetap berkelanjutan (sustainable).

3. PERMEN LH no.17 Tahun 2009

Peraturan ini memaparkan mengenai daya dukung lingkungan hidup, yaitu kemampuan lingkungan hidup untuk mendukung perikehidupan manusia dan makhluk hidup lain. Penentuan daya dukung lingkungan hidup dilakukan dengan cara mengetahui kapasitas lingkungan alam dan sumber daya untuk mendukung kegiatan manusia/penduduk yang menggunakan ruang bagi kelangsungan hidup. Besarnya kapasitas tersebut di suatu tempat dipengaruhi oleh keadaan dan karakteristik sumber daya yang ada di hamparan ruang yang bersangkutan. Kapasitas lingkungan hidup dan sumber daya akan menjadi faktor pembatas dalam penentuan pemanfaatan ruang yang sesuai.

4. Klasifikasi Kelas Kemampuan Tanah

Kemampuan lahan merupakan karakteristik lahan yang mencakup sifat tanah (fisik dan kimia), topografi, drainase dan kondisi lingkungan hidup lain. Berdasarkan karakteristik lahan tersebut, dapat dilakukan klasifikasi kemampuan lahan ke dalam tingkat kelas, sub kelas dan unit pengelolaan. Kelas Kemampuan Lahan

		Intenstitas dan Pilihan Penggunaan Meningkat
		Cagar alam/hutan lindung	Hutan produksi terbatas	Pengembalaan terbatas	Pengembalaan sedang	Pengembalaan intensif	Garapan terbatas	Garapan sedang	Garapan intensif	Garapan sangat intensif
Hambatan/ancaman meningkat, kesesuaian dan pilihan penggunaan berkurang	I
	II
	III
	IV
	V
	VI
	VII
	VII

Tabel 1. Hubungan antara kelas kemampuan lahan dengan intensitas, spektrum dan hambatan penggunaan tanah.

Pengelompokan kemampuan lahan dilakukan untuk membantu dalam penggunaan dan interpretasi peta tanah. Kemampuan lahan sangat berkaitan dengan tingkat bahaya kerusakan dan hambatan dalam mengelola lahan. Dengan demikian, apabila tingkat bahaya/risiko kerusakan dan hambatan penggunaan meningkat, spektrum penggunaan lahan menurun.

5. Kelas Kesesuaian Lahan

Kesesuaian lahan adalah gambaran tingkat kecocokan lahan untuk tujuan tipe penggunaan lahan tertentu dari kumpulan penentuan variabel-variabel pada  kelas kemampuan lahan yang dianalisis sebelumnya.

6. Identifikasi Tambak dan Mangrove berdasarkan analisis Remote Sensing

6.1 Perubahan Lahan

Gambar 2. Nilai Pantulan Spectral (%) terhadap 3 material: Tumbuhan, Lahan kering dan Air.

(Sumber: Brandt Tso, Paul Mather, 2009).

Mendeteksi terjadinya perubahan guna lahan dalam lingkup inderaja, terlebih dahulu mengenal pola hubungan tiap objek atau piksel pada kawasan studi untuk kemudian satu atau lebih dari satu piksel dikelompokan dalam satu label/jenis objek, sebagai informasi radiometri pada gambar tersebut selanjutnya dikonversikan kedalam informasi thematic, misalnya: kawasan terbangun, jenis tumbuhan, dan air Selain pantulan spectral dan panjang gelombang, pengenalan objek permukaan lahan sangat tergantung pada pemilihan kanal (band), sehingga akan sangat efektif dalam mentafsirkan karakteristik material permukaan lahan. Dengan menggunakan citra seperti Landsat Enhanced Thematic Mapper (ETM)+ dan SPOT (HRV) High Resolution Visible memiliki multispectral dengan dimensi rendah yaitu 7 band ditambah panchromatic pada Landsat dan 3 band pada SPOT, pemanfaatan band dimensi rendah lebih mudah dalam menentukan sampel (training area) dibandingkan dengan multispectral dimensi tinggi pada citra Hyperspectral yang membutuhkan training area sangat banyak dan tentu berpengaruh dalam menentukan parameter statistiknya.

6.2 Metode Klasifikasi

Proses klasifikasi untuk menghasilkan pengkelasan yang akurat berdasarkan data distribusi DN (Digital Number) digunakan klasifikasi Maximum Likelihood berdasarkan perhitungan statistik (rerata variance/covariance), fungsi probabilitas (Bayesian), sehingga dalam sampel (training area/ sites) setiap piksel dapat dipastikan masuk dalam kelas yang mana (Nicholas M. Short, Sr, http://rst.gsfc.nasa.gov/Sect1/Sect1_19.html). Dengan formula sebagai berikut (Jean-Paul Donnay, 2005):

Dimana, nilai Pr (probability) dari  (bobot terpilih yang terbesar j) pada vektor x.

6.3 Proses Pengolahan Citra

Gambar 3. Proses Pengolahan Citra

6.4 Variabel yang Digunakan

Pada teknik klasifikasi dikelompokkan menjadi 4 variabel guna mengelompokkan nilai-nilai digitalnya (Digital Number), antar lain: laut, mangrove, tambak dan pemukiman.

6.5 Kondisi Tambak dan Mangrove tahun 1989 – 2007

Tahun	Luas Tutupan Lahan (Ha)
	Tambak	Mangrove	Pemukiman
1989	426294.792	84480.336	13.483
2007	4103.774	24292.080	130223.383

Berubahnya tutupan lahan (land cover) selama hampir 20 tahun berkurang (pada tambak 100 kali lipat ) maupun bertambah (pada pemukiman 10.000 kali lipatnya) terutama untuk kebutuhan permukinan dengan melakukan perataan maupun pengerukan pada tanah (cut and fill). Pengurugan dan pembukaan lahan baru berdampak pula berkurangnya mangrove hingga 60ribu (Ha) di sepanjang bagian pantai Timur khususnya Kabupaten Sidoarjo. Seperti digambarkan pada hasil klasifikasi tahun 1989 (citra Landsat TM) dan 2002 (citra SPOT).

Gambar 4. Klasifikasi Maksimum Likelihood citra Landsat TM 1989

Gambar 5. Klasifikasi Maksimum Likelihood citra SPOT 2007

7. Analisis Kelas Kemampuan Lahan Wilayah Studi

Konteks penelitian disini hanya menekankan kelas lahan silvofishery (tambak dan mangrove) pada Kabupaten Sidoarjo berdasarkan klasifikasi lahan dari kajian Remote Sensing, karena itu, analisis kemampuan lahan menjadi 2 wilayah karakteristik lahan. Dari 7 faktor pembatas yang ditetapkan oleh PERMEN LH no.17 Tahun 2009, ditampilkan 6 faktor pembatas saja yang akan digunakan karena tingkat kepentingan data dalam analisis. Faktor pembatas tersebut antara lain: tekstur tanah (t), kedalaman efektif (k), erosi (e), lereng permukaan (l), Drainase tanah (d) dan jenis batuan (b). Hasil analisis kelas kemampuan lahan silvofishery dengan menggunakan SIG dapat terlihat pada tabel berikut:

o.	Faktor Pembatas	Data	Kode	Kemampuan Lahan
1	Tekstur tanah (t)	Lempung berlumpur(agak halus)	t2	I
2	Kedalaman efektif (k)	> 90 cm (dalam)	k0	I
3	Keadaan Erosi (e)	Tidaj ada	e0	I
4	Lereng permukaan (l)	0 – 2% (datar)	l0	I
5	Drainase tanah (d)	Agak baik	d1	I
6	Batuan (b)	Tidak ada	b0	I
Kelas				I
Sub kelas				I
Potensi kemampuan lahan				Tinggi

Tabel 1. Identifikasi Kelas dan Sub Kelas Lahan silvofihsery di Kabupaten Sidoarjo

8. Analisis Kesesuaian Lahan Kawasan

Silvofishery

Pada kegiatan ini dilakukan kajian overlay data spasial kemampuan lahan dengan arahan guna lahan dari RTRW Kab. Sidoarjo 2009-2029 Diperoleh hasil analisis spasial kesesuaian lahankawasan Silvofishery

dengan SIG dan tabulasi datanya sebagai berikut:

Gambar 6. Penampilan overlay kelas kemampuan lahan Wilayah Studi

Lahan	Satuan Lahan	Kelas Kemampuan Lahan	Penggunaan Lahan	Faktor Penghambat	Luas (Ha)	Evaluasi Kesesuaian Lahan
1	1	I	Tambak		774,558	Cocok
	2		Hutan mangrove		13875,653	Cocok

Tabel 2. Hasil Evaluasi Kesesuaian Lahan silvofihsery di Kabupaten Sidoarjo.

Dalam pengembangan Kabupaten Sidoarjo dapat mempertahankan penggunaan lahan yang sudah ada dan melakukan perubahan namun harus sesuai dengan ketentuan dalam peraturan perundang-undangan yang berlaku.

9. Kesimpulan

1. Perubahan luas maupun fungsi silvofihsery menjadi guna lahan lain menjadi relatif mudah dan effisien untuk dikenali apabila didukung dengan pemanfaatan citra satelit karena sebaran dan luasannya.
2. Kualitas citra yang baik dapat memberikan hasil klasifikasi lebih akurat, sehingga diperlukan pemilihan band yang tepat saat menyusun komposit RGB.
3. Penyebab terjadinya perubahan silvofihsery belum dilakukan pengamatan secara khusus terhadap hubungan antara sesama variabel maupun band-band penyusun kompositnya.
4. Analisis kemampuan lahan di wilayah Sidoarjo dengan variabel-variabel  yang mengacu pada PERMEN LH No.17 Tahun 2010 diperoleh wilayah pesisir Kabupaten Sidoarjo didominasi kelas 1, artinya sangat cocok untuk pengembangan wilayah pertanian dimana disini merujuk pada perikanan darat dan konservasi berupa mangrove.
5. Analisis kesesuaian lahan di wilayah Sidoarjo dengan overlay hasil analisis kemampuan lahan terhadap rencana guna lahan berdasarkan RTRW Kab.Sidoarjo tahun 2008 diperoleh hasil pengembangan silvofishery pada wilayah pesisir Sidoarjo sangatlah sesuai.

10. Pustaka

[1]     Arief, Arifin. 2003. Hutan Mangrove: Fungsi Dan Manfaatnya. Penerbit Kanisius. Yogyakarta.

[2]     Bengen, D. G., 2000. Pedoman Teknis Pengenalan dan Pengelolaan Ekosistem Mangrove. Pusat Kajian Sumberdaya Pesisir dan Lautan. IPB 58 hal.

[3]     Brandt Tso, Paul Mather, 2009,  Classification Methods For Remotely Sensed Data, Taylor & Francis Group, LLC

[4]     Dahuri, Rokhmin., J. Rais., S.P.Ginting., M.J.Sitepu. 2001. Pengelolaan Sumber Daya Wilayah Pesisir Dan Lautan Secara Terpadu. Cetakan kedua, Penerbit Pradnya Paramita. Jakarta.

[5]     Hikmawati.,DC. 2000. Tambak Berkelanjutan .http://cerd.or.id/news/ buletin/Volume206/Tambakberkelanjutan.htm. Diakses 26. Januari 2006.

[6]     Jean-Paul Donnay, Michael J.Barnsley, Paul A.Longley, (2005), Remote Sensing and Urban Analysis, Taylor & Francis e-Library.

[7]     Nicholas M. Short, Sr, http://rst.gsfc.nasa.gov/Sect1/Sect1_19.html

[8]    Pedoman Penentuan Daya Dukung Lingkungan Hidup Dalam Penataan Ruang Wilayah (Badan Lingkungan Hidup, 2009) PERATURAN MENTERI NEGARA LINGKUNGAN HIDUP NO.  17  TAHUN 2009

(**) telah diseminarkan di Seminar Nasional FTSP ITN Malang, 17/8/2010