| dc.description.abstract | Seiring dengan kemajuan dan perkembangan teknologi penginderaan jauh telah terjadi peningkatan kemampuan sensor citra. Salah satu inovasi dalam teknologi penginderaan jauh adalah sensor hyperspectral (high spectral resolution imagery). Citra hyperspectral mempunyai karakterikstik resolusi yaag lebih komplek dan berbeda dibandingkan dengan karakteristik sensor multispectral .. Karakteristik sensor citra hyperspectral sangat khas yang terdiri dari banyak saluran (100 - 200 saluran) dengan lebar saluran (bandwidth) relatif sempit (10 run) dan tersaji secara kontinyu pada panjang gelombang sinar tampak hingga sinar infra rnerah. Karakteristik spektraI sensor hyperspectrai yang khas tersebut mempWlyai potensi memperoleh informasi objek yang lebih detail dibandingkan dengan sensor multispectral. Dalam aplikasi bidang kebutanan sensor ini sangat potensial untuk memperoleb infonnasi karakteristik biofisik tegakan hutan seeMa detail seperti identifikasi jenis pobon, biomassa, karakteristikflori.dic dari vegetasi, phenology pohon., pendugaan LAI, pendugaan basal area, dan lainnya (Rinker, 1990 dalam Aardth, 2000). Kegiatan penelitian bertujuan untuk menguji kemampuan citra airborne hyperspeclral dalam klasifikasi vegetasi hutan di Kebun Raya Bogor (KRB) berdasarkan tingkat taksonomi tumbuhan yang melipuri tingkat spesies, genus dan. famili KRB merupakan salah satu museum bidup keanekaragaman bayati dari alam Indonesia yang mempunyai strukur tegakan beraneka r&gam dari sebaran komposisi jenis., diameter batang. wnW" dan kelas tajuk. Sensor airborne hyperspeclral yang direkam menggunakan wahana pesawat terbang sangat potensial untuk memperoleb informasi ripe kenampakan objek vegetasi butan secara detail baik secara spek.tral maupun spasial. Data citra yang digunakan adaIah citra digital airborne hyperspeclral basil perekaman pesawat udara pada tanggal 29 Januari 1998 di areal Kebun Raya Bogor dengan resolusi radiometrik sebesar 16 bit per piksel yang terdiri dari 12 saluran dan ukuran piksel basil resampling sebesar 1 m. Data citra yang digunakan diperoleb dari PT. QuickMap Data Alam Indonesia. Hasil pemeriksaan lapangan pada citra yang telab dipotong sebelumnya diketahui penutupan laban vegetasi pobon terdiri dari 25 famili, 64 genus dan 145 spesies pobon. Sedangkan penutupan vegetasi non pabon yang terdapat di lokasi diketahui sebanyak 4 penutupan antara lain : vegetasi rumput, tanah terbuka dan tubuh air serta areal kosong yang merupakan basil pemotongan. Berdasarkan informasi penutupan tersebut maka dalam klasifikasi tingkat vegetasi ditetapkan untuk klasifikasi tingkat famili sebanyak Dari basil penghitungan Optimum index Factor (OIP) diketahui oilai tertinggi merupakan basil dari 3 kombinasi saluran yang terdiri dari saluran infra merab dekat yaitu kombinasi saluran 10-11-12. Namun secara visual basil dari kombinasi salman tersebut kurang detail dalam membedakan individual jenis tajuk pabon. Namun penggunaan kombinasi saluran 10-8-7 yang terdiri dari saluran sinar tampak dan infra merah dekat secara visual akan lebih informatif dalam membedakan jenis tajuk pabon. Berdasarkan data stasitik basil transfomasi Principal Component Analysis (peA) dari 12 saluran diketahui nilai eigenvalue Principal Component (PC) 1 mempunyai oilai tertinggi dengan prosentase 92,5 % hal ini menandakan PCI mampu menerangkan keragaman data sebesar 92,5 %, sedangkan PC2 menerangkan 3,8 % keragaman data. dan PC3 menerangkan keragaman data sebesar 2,2%. Secara visual masing-masing saluran hasil transformasi peA tidak mampu membedakanjenis penutupan vegetasi pohon secara detail. Namun dati saluran hasil transfonnasi tersebut dapat membedakan penutupan laban vegetasi dan penutupan laban non vegetasi. Klaster akhir kelas penutupan vegetasi spesies pohon dari klasifikasi tidak terbimbing diperoleb adalah sebanyak 26 spesies dari total sebanyak 145 spesies. Namun hasil dari penetapan klaster akhir cenderung sangat rentan tetjadinya kesalahan dalam proses penggabungan maupun penamaan suatu klaster. Sebingga basil klasifikasi tidak terbimbing tidak dapat digunakan dalam menganalisa pengeJompokkan vegetasi di areal Kebun Raya Bogor ke dalam spesies pohon. Berdasarkan grafik karakteristik nilai rata-rata Digital Number (DN) vegetasi famili pada area contoh diketahui saluran 10 yang tennasuk dalam panjang gelombang inframerah dekat mempunyai nilai rata-rata DN yang cukup besar dibandingkan dengan saluran lainnya. Nitai DN rata-rata cenderung meningkat pada saluran infra merah dekat yaitu saluran 8,9,10,11, dan 12. Nilai digital rata-rata masing-masing famili dalam 12 saluran saling berhimpit dan terjadi tumpang tindih terutama pada saluran panjang gelombang sinar tampak. Kondisi tesebut menunjukkan dari masing-masing area contoh pada kelas penutupan vegetasi tingkat famili, genus dan spesies cenderung mempunyai nilai spektral yang mirip dan berdekatan satu sarna lain. Analisa separabilitas area contoh kelas penutupan vegetasi tingkat famili, genus dan spesies menunjukkan kombinasi saluran terbaik untuk klasifikasi adalah kombinasi dari seluruh saluran (12 saluran) dan kombinasi saluran PC 1-6 yang mengandung keragaman data sebesar 99,76 %. Kriteria tingkat keterpisahan area contoh cenderung meningkat pada tingkat spesies pohon dibandingkan tingkat genus maupun famili. Hal tersebut menunjukkan klasifikasi vegetasi spesies lebih bagus diterapkan menwut tingkat spesies pohon dibandingkan dengan tingkat genus dan famili. Namun dari basil kriteria keterpisahan area contoh kelas penutupan pada tingkat famili, genus dan spesies secara umum menunjukkan keterpisahan yang rendah sehingga dapat terjadinya tmnpang tindih antar kelas pentupan vegetasi. Nilai keterpisahan yang rendah tersebut dapat disebabkan oleh penyebaran nilai spcktral yang mirip dan tidak konsisten pada tajuk pobon, kelas penutupan yang banyak dan kemiripan nHai spektral antar area contob.Hal tersebut ditunjukkan dati beberapa pasang kelas penutupan yang masuk dalam kategori inseperable atau tidak dapat dipisahkan. Pengelompokan individu pohon ke dalam tingkat spesies, genus dan famili dengan menggunakan analisis MDS diketahui hanya sebagian dari individu pobon tersebut yang mampu dikelompokkan sesuai dengan taksonominya. Sedangkan pengelompokkan spesies pobon ke dalam tingkat genus dan famili dengan analisi hierarki k1astering diperoleh k1aster tunggal yang sesuai dengan tingkat genus yaitu Beilschmedia, Alongium. Berrya. Brownlowia, Buchanania. Cananga. Chlorophora. Horsjieldia, Lagerstroemia, Neesia, Protium, Pterocarya dan Rhopa/ocarpus dan tingkat famili yaitu Armonaceae dan Lauraceae .. Namun seeara keseluruhan dari spesies pobon tersebut cenderung tidak dapat mengelompok secara konsisten sesuai tingkat taksonominya. Pada klasifikasi terbimbing tingkat spesies secara visual dapat dideteksi dengan jelas spesies Canarium decumanum, Terminalia cattapa, Chlorophora excelsa, Cananga odorata, Irvingia malayana. Ficus .~uperba. Ficus ardisioides, Ficus religiosa,dan Garcinia picrorhiza. Spesies yang terdeteksi secara jelas tersebut merupakan pohon dengan tajuk dominan dan secara visual kenampakan spektralnya sangat berbeda dengan pohon sekitarnya. Sedangkan pada tingkat genus yang ter<leteksi secara jelas adaJah genus CanarJum. Ficus. Terminalia, Bouea, dan Cananga. Untuk tingkat famili adalah Moraceae, Burseraceae, Combretaceae, dan Simarouhaceae. | id |
