Klasifikasi Kelas Potensi Hutan Melalui Citra Spot HRV di Hutan Alam (Areal HPH PT. ITCI, Kalimantan Timur)
Abstract
Aktifitas pemanfaatan sumberdaya alam yang sering terlihat pada saat ini adalah kegiatan mengkonversi areal hutan menjadi areal non hutan yang diakibatkan peningkatan kebutuhan manusia akan lahan dan sempitnya areal non hutan yang ada. Konversi areal hutan menjadi areal non hutan menyebabkan terjadinya penurunan vegetasi hutan karena umumnya dilakukan dengan menebang vegetasi pohon yang ada. Data tentang penurunan potensi hutan dapat dijadikan sebagai aeuan di dalam kebijakan pengelolaan hutan yang lestari, khususnya dalam pereneanaan dan pemanenan hutan. Salah satu eara yang dapat digunakan untuk mendapatkan data penurunan potensi hutan seeara global adalah dengan menggunakan citra satelit. Citra satelit Systeme Probatoire d'Observation de la Terre High Resolution Visible (SPOT HRV) digunakan dalam penelitian ini karena memiliki resolusi spasial yang tinggi (20m x 20m). Resolusi spasial yang tinggi diharapkan dapat meningkatkan ketelitian hasil analisis. Tujuan dari penelitian ini adalah untuk mengevaluasi kemampuan citra satelit SPOT HRV dalam mengklasifikasikan kelas-kelas potensi hutan alam tropis seeara dijital. Pengambilan data lapangan dilakukan pada tanggal 19 September - 20 Oktober 2000. di areal HPH PT. ITCI, Kalimantan Timur dengan alat bantu kamera, kompas, tam bang, parang, patok, pita ukur dan tally sheet. Bahan yang digunakan adalah citra satelit SPOT HRV rekaman 5 Juni 1998 dan 19 Desember 1989, peta kerja HPH PT. ITCI skala I : 100000, peta rupa bumi skala I : 50000 dan data hasil pengeeekan lapangan. Peralatan untuk pengolahan dan anal isis data yang dimulai sejak bulan Juli 2000 di Laboratorium Remote Sensing, Fakultas Kehutanan IPB adalah seperangkat komputer pribadi (personal computer) dengan software ER Mapper versi 5.5. Metode yang digunakan dalam penelitian ini adalah klasifikasi terbimbing (Supervised Classification) sedangkan untuk citra SPOT 1989 menggunakan klasifikasi tidak terbimbing (Unsupervised Classification). Klasifikasi pada citra SPOT 1998 menghasilkan 9 kelas penutupan lahan yaitu hutan jarang, hutan sedang, hutan rapat, hutan tertutup kabut tip is, hutan terbakar, hutan terbakar tertutup kabut tipis, jalan (tanah kosong), bayangan awan dan awan. Hasil koreksi geometrik memberikan ketelitian yang eukup tinggi dengan nilai RMSE masing-masing 0,205 pixel dan 0,281 pixel untuk citra SPOT 1998 dan SPOT 1989 yang menunjukkan penyimpangan di lapangan sebesar 4,10 meter dan 5,60 meter. Hasil klasifikasi citra SPOT 1998 dengan menggunakan satu band seeara umum hasilnya lebih buruk bila dibandingkan dengan penggunaan dua band dan tiga band Ifullset). Pada klasifikasi menggunakan satu band, ketelitian tertinggi diperoleh daTi klasifikasi menggunakan band 2 dengan nilai overall accuracy mencapai 70,36% dan kappa accuracy mencapai 6650%. Nilai rata-rata TO sebesar 1709.23 dengan jumlah pasangan kelas yang terpisah sangat baik sebanyak 19 pasang, 5 pasang kelas terpisah baik, 3 pasang kelas terpisah cukup baik, I pasang kelas terpisah kurang baik dan 8 pasang kelas tidak dapat dipisahkan. Ketelitian paling rendah diperoleh pada penggunaan band 3. Rata-rata keterpisahannya sebesar 1547,19 dengan 12 pasang kelas terpisah sangat baik, 8 pasang kelas terpisah baik, 5 pasang kelas terpisah cukup baik dan 11 pasang kelas tidak dapat dipisahkan. Kappa accuracy dan overall accuracy masing-masing sebesar 57,12% dan 62,05%. Perhitungan matriks kesalahan dan keterpisahan dengan kombinasi band 3-2 memberikan nilai overall accuracy dan kappa accuracy masing-masing sebesar 98,06% dan 97.81 % dengan nilai ratarata TO sebesar 1990.08. Semua pasangan kelas dapat dipisahkan dengan kategori 27 pasang kelas terpisah sangat baik dan 9 pasang kelas terpisah baik. Klasifikasi kombinasi band 3-2 memiliki ketelitian tertinggi pada penggunaan dua band. Sedangkan kombinasi band 2-1 menghasilkan kappa accuracy sebesar 80,99% dan overall accuracy sebesar 83,19% dengan rata-rata TD mencapai 1857,52. lumlah pasangan kelas yang terpisah sangat baik ada 20 pasang, 8 pasang kelas terpisah baik,3 pasang kelas terpisah cukup baik dan 5 pasang kelas tidak dapat dipisahkan. Hasil klasifikasi terbaik diperoleh dari klasifikasi menggunakan kombinasi band 3-2-1 (full set) yang memberikan akurasi tertinggi yaitu sebesar 98,71 % untuk overall accuracy dan 98,54 % untuk kappa accuracy. Separabilitas (nilai keterpisahan) antar pasangan kelas menghasilkan 29 pasang kelas terpisah sangat baik dan 7 pasang kelas terpisah baik dengan nilai rata-rata transformed divergency (TO) adalah 1995.94. Pada citra SPOT HRV 1998, rata-rata potensi tegakan pada hutan jarang adalah 75,725 m'/Ha.dengan luas 16498,04 hektar, pada hutan sedang sebesar 138,1708 m' IHa.dengan luas 12689,40 hektar dan pada hutan rapat sebesar 274,3229 111 3 IHa.dengan luas 4895,88 hektar. Bila dikaitkan dengan hasil pengecekan di lapangan di dapat ballWa potensi tegakan pada hutan jarang, hutan sedang dan hutan rapat masing-masing sebesar 1.249.314,079 m', 1.753.304,550m' dan 1.343.052m'. Klasifikasi citra SPOT HRV 1989 yang menggunakan metode unsupervised classification menghasilkan 30 kluster. Setelah melakukan tahap ",ergering (penggabungan) maka di dapat 8 kelas penutupan lahan, yaitu hutan l,hutan 2, hutan 3, hutan 4, areal tertutup kabut tipis, jalan (tanah kosong), awan dan bayangan awan. Kelas penutupan hutan mempunyai luasan sebesar 61.742,48 Ha atau sekitar 60,14 % dari luas sluruh citra. Awan, bayangan awan dan areal yang tertutup kabut tipis yang dapat menurunkan kualitas citra mempunyai luas sebesar 37.746,68 Ha.
Collections
- UT - Forest Management [2835]