ITS-PhD-18018-3107301003-Chapter1-ch-1pdf
-
Upload
edi-suryadi -
Category
Documents
-
view
10 -
download
0
Transcript of ITS-PhD-18018-3107301003-Chapter1-ch-1pdf
1
BAB 1
PENDAHULUAN
1.1 Latar Belakang
Salah satu cara memperoleh data permukaan bumi yang dapat dipercaya
dan akurat untuk kebutuhan analisis berbagai bidang ilmu, sementara ini dapat
dipenuhi melalui perekaman dengan teknologi Remote Sensing (penginderaan
jauh), dengan mengandalkan keunikan dan karakteristik panjang gelombang yang
berbeda, yang dipancarkan setiap obyek di permukaan bumi. Penginderaan jauh
adalah ilmu atau seni untuk memperoleh informasi tentang objek, daerah atau
suatu gejala, dengan jalan menganalisis data yang diperoleh dengan menggunakan
alat, tanpa kontak langsung dengan objek, daerah atau gejala yang akan dikaji
(Lillesand dan Kiefer, 2004, Sutanto, 1998).
Secara visual, data penginderaan jauh ditampilkan berupa citra yang
tersusun dari berbagai jumlah piksel. Piksel (pixel/ picture element) adalah unit
terkecil dari sebuah citra dan merupakan unit dasar spasial dalam ruang-ruang sel
(sekumpulan sel). Piksel atau sel memiliki sifat yang sangat dinamis dan bebas.
Setiap sel memiliki nilai digital unik yang membedakan dengan sel lainnya.
Keunikan dan kedinamisan piksel digambarkan Conway (Liu, Y., 2009), sebagai
mahluk hidup karena kemampuannya dapat bertahan (survive), mati (die), dan
lahir (birth). Agar dapat membaca kedinamisan piksel dengan presisi harus
memperhatikan kualitas citra berdasarkan prosentase tutupan awan yang minimal.
Metode perekaman atau pengumpulan data penginderaan jauh (inderaja)
dilakukan dengan menggunakan alat pengindera (sensor) yang terpasang pada
pesawat terbang atau satelit (Lillesand dan Keifer, 2004). Aplikasi satelit
penginderaan jauh saat ini mampu memberikan data atau informasi tentang
sumberdaya alam di daratan dan sumberdaya alam di lautan secara teratur dan
periodik, sehingga kebutuhan akan data inderaja pada sebuah citra dalam bentuk
digital mudah tersedia dan memungkinkan dilakukan penganalisaan menggunakan
komputer secara kuantitatif dan konsisten. Untuk tujuan pemetaan dan
pengumpulan data spasial, teknologi inderaja terbukti lebih hemat waktu dan
2
biaya, bila dibanding dengan cara teristris sehingga penjelajahan lapangan dapat
dikurangi.
Pemanfaatan data remote sensing sejak akhir 30tahun-an secara ekstensif
digunakan untuk mengamati perubahan lingkungan dan tutupan lahan (land cover)
(Colby dan Keating 1998). Umumnya, dari beberapa penelitian (1994-2007)
menggunakan beragam citra resolusi sedang hasil perekaman seperti, Landsat
Multispectral Scanning System (MSS), Thematic Mapper (TM), SPOT dan Aster,
guna memperoleh informasi tutupan lahan. Informasi perubahan lingkungan
maupun tutupan lahan pada penelitian tersebut diperoleh melalui identifikasi
berbagai kombinasi komposit kanal (band composite) yang hasilnya sangat
bergantung dari panjang gelombang dan nilai spectral yang diterimanya, maupun
teknik klasifikasi yang digunakan. Adapun tingkat akurasinya, sangat tergantung
dari kemampuan spasial, spektral masing-masing sensor dan prosentase tutupan
awan saat perekaman.
Lebih lanjut, pengembangkan model dengan menggunakan teknologi
satelit remote sensing akan makin mempermudah mendeteksi terjadinya
perubahan dan arah pertumbuhan piksel dengan akurasi yang semakin baik. Pada
jangkauan area yang sangat luas dan sebaran jenis land cover yang tidak beraturan
secara geografis, mustahil dilakukan pemetaan dan pemodelan dengan cara-cara
manual.
(http://www.satimagingcorp.com/svc/land_cover_and_change_detection.html).
Berbagai penelitian pengembangan model yang memanfaatkan teknologi
satelit remote sensing dari tahun 1996-2011 menggunakan pendekatan simulasi
dinamis grafis (cellular automata) dan metode regresi pada proses analisisnya,
seperti pada kupasan beberapa penelitian pada Tabel 1.1 dan Tabel 1.2. Dimana,
posisi penelitian pada disertasi ini menjadi pembanding di tahun 2011.
3
Tabel 1.1 Penelitian Terdahulu dan Sekarang (1996-2004)
Clarke, K.C., (1996) Zainab, S., (2000) Nurdin, (2002) Cheng, J., Masser, I.,
(2002) Xie, Y., Batty ,
M.,(2003), Houet, T., Moy, L.M.,
(2004)
Judul
Urban Change Integtrated Modeling Environment
Analisa Perubahan Penggunaan Lahan Terhadap Kepadatan Penduduk Dengan Menggunakan Citra Satelit Multi Temporal
Analisa Perubahan Kawasan Terbangun Berdasarkan Citra Landsat Thematic Mapper Dengan Metode Multi Temporal, Studi Kasus Kota Surabaya dan Sekitarnya
Modelling urban growth patterns: a multiscale perspective
Integrated Urban Evolutionary Modeling
Modeling And Projecting Land-use And Land-cover Changes With A Cellular Automaton In Considering Landscape Trajectories: An Improvement For Simulation Of Plausible Future States (case study: Western part of France, in Central Brittany)
Objek Perubahan tutupan lahan kawasan Perkotaan di US
Perubahan tutupan lahan Kota Surabaya
Perubahan tutupan lahan Kota Surabaya
Pola Pertumbuhan Kota Wuhan di Cina
Pertumbuhan Kota Ann Arbor, Michigan
Pertumbuhan Kota Brittany, Perancis
Sumber Data Landsat Landsat Landsat SPOT PAN/XS Landsat Landsat dan foto udara
Metodologi
1. Klasifikasi ML (maximum likelihood), untuk memperoleh karakter dinamis piksel pada tiap variabel
2. regresi OLS (Ordinary Least Squares) untuk menghasilkan model perubahan tutupan lahan
3. Simulasi SLEUTH (slope, land use,
1. Klasifikasi ML (maximum likelihood), untuk menghasilkan klas variabel
2. regresi OLS (Ordinary Least Squares) untuk memperoleh model perubahan guna lahan dan hubungan antar variabelnya
1. Klasifikasi ML (maximum likelihood) untuk menghasilkan peta tematik.
2. tumpang susun (overlay) dengan teknologi SIG, untuk mengetahui perubahan lahan
1. Klasifikasi ML (maximum likelihood), untuk menghasilkan klas variabel.
2. OLS (Ordinary Least Squares), untuk memperoleh model pertumbuhan kota, dan varibel pengaruhnya
3. GLS (Generalised Least Squares). Memperoleh hirarki
1. Klasifikasi ML (maximum likelihood), untuk memperoleh karakter dinamis piksel pada tiap variabel
2. Simulasi DUEM (Dynamic Urban Evolutionary Model) untuk mengetahui arah dan terjadinya pertumbuhan kota
1. Klasifikasi ML (maximum likelihood), untuk memperoleh karakter dinamis piksel pada tiap variabel
2. Markovian Cellular Automaton, untuk mengetahui terjadinya perubahan pola dan pertumbuhan piksel
4
Tabel 1.1 Penelitian Terdahulu dan Sekarang (1996-2004) (lanjutan)
exclusion, urban extent, transportation, hillshade), menghasilkan simulasi perubahan tutupan lahan berdasarkan variabel SLEUTH
pertumbuhan kota berdasarkan model regresi yang terbentuk
Hasil
Model perubahan tutupan lahan perkotaan di US. Prediksi perubahan tutupan lahan dan distribusi penduduk perkotaan. Data/ Peta wilayah studi.
Perubahan guna lahan yang bekorelasi terhadap pertumbuhan dan kepadatan penduduk. Data/ Peta wilayah studi
Perubahan luasan tutupan lahan di Kota Surabaya. Data/ Peta wilayah studi
Model perubahan guna lahan sebagai bagian dari proses pertumbuhan kota. Dianalisis berdasarkan teori hirarkhi. Data/ Peta wilayah studi
Model pertumbuhan kota berdasarkan simulasi grafis (model cellular automata). Data/ Peta wilayah studi.
Prediksi perubahan tutupan lahan kota berdasarkan skenario dan jumlah iterasi selama proses. Data/ Peta wilayah studi.
Manfaat
Memberikan informasi dalam penentuan kebijakan guna lahan kota dan perencanaan kota
Mengetahui hubungan perubahan tutupan lahan akibat kegiatan kota
Memperoleh informasi bertambah/ kurangnya luasan guna lahan akibat perubahan tutupan lahan
Memberikan informasi arahan perencanaan guna lahan kota, prediksi pertumbuhan kota berdasarkan hirarkhinya
Memberikan informasi pada tahapan proses perencanaan kota, pengembangan lahan berdasarkan prediksi simulasi pertumbuhan kota.
Memberikan informasi dalam penentuan kebijakan guna lahan kota dan perencanaan kota
5
Tabel 1.2 Penelitian Terdahulu dan Sekarang (2006-2011)
Herold, M., Hemphill, J., Liu, X., Clarke, K.C., (2006)
Alkheder, S., Wang, J., and Shan, J., (2006)
Luo, J., (2006) Rahman, A., Netzband, M.,(2007)
Hasyim, A.W., (2011)
Judul
Urban Patterns And Processes: A Remote Sensing Perspective
Change Detection - Cellular Automata Method For Urban Growth Modeling
Modeling Urban Growth And Spatial Structure In Nanjing, China With GIS and Remote Sensing
Urban remote sensing for a fast-growing megacity: Delhi, India
Pengembangan Model Pertumbuhan Piksel Yang Berbasiskan Data Citra Satelit Multitemporal Dan Teknologi SIG Sebagai Dasar Estimasi Pertumbuhan Kota Surabaya
Objek Pertumbuhan kawasan perkotaan di California
Pertumbuhan Kota Indianapolis, Indiana, USA
Pertumbuhan Kota Nanjing, Cina
Pertumbuhan Kota Delhi, India
Pertumbuhan Kota Surabaya
Sumber Data Landsat Landsat Landsat LISS-III (IRS), ASTER,
Landsat Landsat
Metodologi
1. Klasifikasi ML (maximum likelihood), untuk memperoleh karakter dinamis piksel pada tiap variabel
2. Time Series, untuk mengetahui prediksi pertumbuhan kota
3. Spatial Metric, untuk mengetahui dimensi pertumbuhan kota.
1. Klasifikasi ML (maximum likelihood), untuk memperoleh karakter dinamis piksel pada tiap variabel
2. Simulasi SLEUTH (slope, land use, exclusion, urban extent, transportation, hillshade) menghasilkan simulasi perubahan tutupan lahan kota berdasarkan variabel SLEUTH
1. Klasifikasi ML (maximum likelihood), untuk menghasilkan klas variabel
2. OLS (Ordinary Least Squares), untuk memperoleh model pertumbuhan kota dan GWR sebagai pembanding
1. Klasifikasi ML (maximum likelihood), untuk menghasilkan peta tematik berdasarkan suhu permukaan masing-masing kegiatan kota
2. Superimposed dengan teknologi SIG, untuk menghasilkan perubahan tutupan lahan berdasarkan kegiatan kota yang memiliki suhu permukaan berbeda-beda
1. Klasifikasi SAM, agar diperoleh hasil klasifikasi akurat pada tiap klas variabel
2. All Possible Regression, menghasilkan model keseluruhan kota
3. Stepwise Regression, menentukan variabel terpilih dengan menghindarkan terjadinya multikolinear
4. Geographically Weighted Regression (GWR), menghasilkan arah, lokasi dan model prediksi pertumbuhan masing-masing kawasan
6
Tabel 1.2 Penelitian Terdahulu dan Sekarang (2006-2011) (lanjutan)
5. Co-Kriging, mengetahui
sebaran data variabel
pengaruh dan
luasannya.
Hasil
Proses evolusi spasial, yang memfokuskan pada pola: tutupan lahan perkotaan, morfologi perkotaan, karakteristik sosial ekonomi, pertumbuhan kota. Data/ Peta wilayah studi.
Prediksi pertumbuhan kota memiliki akurasi tinggi untuk jangka pendek. Data/ Peta wilayah studi.
Model pertumbuhan kota secara umum. Data/ Peta wilayah studi.
Karakteristik permukaan lahan seperti; pemukiman kumuh, daerah pertumbuhan cepat, ruang terbuka, RTH, melalui analisa suhu ruang. Data/ Peta wilayah studi.
Algoritma untuk estimasi pertumbuhan kota dan kawasan, arah dan lokasi pertumbuhan kota, sebaran data pusat kota. Data/ Peta wilayah studi.
Manfaat
Memberikan informasi untuk perencanaan guna lahan, dan perencanaan kota
Memberikan informasi untuk perencanaan guna lahan, dan perencanaan kota pada jangka pendek
Memberikan informasi untuk perencanaan dan pengelolaan lahan perkotaan
Memberikan informasi untuk perencanaan dan pengelolaan lahan perkotaan berdasarkan suhu ruang kota
Memberikan informasi untuk menentukan perencanaan dan guna lahan perkotaan berdasarkan variabel terpilih
7
Dari penelitian-penelitian tersebut diatas, metode regresi dan metode
simulasi dinamis cellular automata hingga saat ini masih menjadi dasar
pengembangan model. Model dinamis Cellular Automata (CA) lebih
menunjukkan proses pertumbuhan dan prediksi tumbuhnya suatu piksel namun
tidak memberikan informasi penyebab tumbuh dari hubungan kekerabatan antar
variabel terikat (dependent variable) dan variabel bebasnya (independent
variable) seperti ditulis Kozicki, J., Tejchman, J., (2005) bahwa, sisi kelemahan
utama CA adalah, model yang dihasilkan selalu menunjukkan suatu pertumbuhan
yang tidak diketahui penyebabnya (kinematics) dan bagaimana terjadinya
perubahan secara dinamik tidak ditunjukkan (flow dynamics).
Agar deteksi perubahan (change detection) pada piksel dapat diamati pada
penelitian ini digunakan resolusi temporal (waktu perekaman lebih dari satu) pada
citra. Beberapa citra dengan waktu perekaman berbeda tahun (multitemporal)
dapat memberikan informasi dinamis suatu piksel: bertahan, hidup, dan mati.
Karakter dinamis piksel terjadi akibat suatu sistem yang saling berpengaruh.
Pertumbuhan kota secara fisik dapat terjadi akibat penambahan jumlah
pada elemen ruang dan kegiatan dalam suatu sistem perkotaan yang kompleks.
Pertumbuhan kota secara fisik adalah perluasan secara horisontal maupun vertikal,
yang dapat diketahui penyebab pertumbuhannya. Saat ini, kebutuhan informasi
pertumbuhan kota yang presisi sangat mendesak bagi perencanaan kota, antara
lain: mengetahui secara dini arah pertumbuhan kota, mengetahui dengan pasti
lokasi yang berpotensi tumbuh sangat kuat, dan sebaran data variabel yang
berperan kuat dalam pertumbuhan kota. Dari informasi tersebut dapat
ditindaklanjuti dengan pengelolaan guna lahan perkotaan meliputi kebijakan dan
rencana guna lahan perkotaan.
Pertumbuhan kota-kota besar di Indonesia, khususnya Kota Surabaya
belum memiliki model pertumbuhan kota yang dapat dijadikan dasar untuk
perencanaan kota. Terlebih model pertumbuhaan kota yang dibentuk berdasarkan
data-data primer maupun lokasinya dengan waktu pengamatan yang cukup
panjang (1990-2009).
8
Penelitian terhadap pertumbuhan kota dengan memanfaatkan kedinamisan
piksel seperti pada beberapa penelitian sebelumnya menjadi celah (gap) untuk
dikembangkan lebih lanjut pada penelitian dalam disertasi ini, dengan harapan
dapat memenuhi kebutuhan informasi khususnya untuk perencanaan Kota
Surabaya.
Atas dasar keunggulan maupun kelemahan suatu metodologi yang
digunakan pada penelitian sebelumnya dipilih metode regresi, guna memperoleh
hubungan pengaruh tiap piksel, dan sekaligus menjadi dasar dalam pembentukan
modelnya. Berdasarkan nilai panjang gelombang dan pantulan (reflectance) setiap
material pada tutupan lahan, piksel-piksel dibedakan menjadi dua kelompok
yaitu; piksel yang mewakili kawasan terbangun (built up area) dan piksel
kawasan tidak terbangun (non built up area).
Hubungan kuat dan lemah sesama variabel bebas (antar piksel)
diwujudkan secara spatial (keruangan) dengan menggunakan teknologi GIS
(Geographic Information System)/ SIG (Sistem Informasi Geografis). Teknologi
GIS adalah suatu sistem yang mampu menggali, mengecek, mengintegrasikan,
memanipulasi, menganalisa, dan menampilkan data yang secara spatial
(keruangan) mereferensikan kepada kondisi bumi dengan cepat dan tepat. SIG
merupakan suatu bidang kajian ilmu dan teknologi yang relatif baru, dan banyak
digunakan oleh berbagai bidang disiplin ilmu yang selalu berkembang, bertambah
dan bervariasi.
Hasil pengembangan model pertumbuhan piksel yang merupakan fokus
pada penelitian pada program doktoral ini, memberikan informasi kuat atau
lemahnya hubungan sesama piksel yang terlibat, yang mengindikasikan
terjadinya pertumbuhan kota dengan ditunjukkan melalui perubahan pada tutupan
lahan.
Model pertumbuhan piksel yang telah terbentuk nantinya dapat digunakan
oleh perencana dan stakeholder untuk menganalisa dan mengambil keputusan
perencanaan yang berkaitan dengan pertumbuhan Kota Surabaya, misalnya;
perencanaan guna lahan, pengawasan (monitoring) guna lahan maupun
pencegahan terjadinya penyimpangan pemanfaatan lahan.
9
1.2 Perumusan Masalah, Tujuan dan Sasaran Penelitian
Fokus penelitian pada disertasi ini adalah pembentukan model
pertumbuhan piksel untuk estimasi pertumbuhan Kota Surabaya, yang merupakan
pengembangan dari penelitian yang dilakukan oleh Jun Luo (2006). Terdapat
beberapa kelemahan model pertumbuhan kota dari penelitian terdahulu, antara
lain:
tidak sesuai lagi terhadap sifat piksel yang sangat dinamis. Agar kedinamisan
piksel dapat dikenali secara halus (smooth) pada penelitian ini, dilakukan
pengamatan terhadap 5 buah citra sepanjang waktu 19 tahun dibanding yang
terdahulu yaitu, 2 buah citra dengan waktu pengamatan 10 tahun.
tidak melibatkan beberapa jenis kegiatan pada piksel (fasilitas umum dan
kerapatan kelerengan/ slope) sebagai variabel bebas (Hasyim, A.W., 1995
dalam Taufik, M., 2011) yang diduga mampu memberikan pengaruh terhadap
piksel sebagai variabel terikatnya, dan memberikan informasi hubungan kuat
dan lemahnya sesama variabel (independent variable) maupun terhadap
variabel terikatnya (dependent variable).
tidak menunjukkan sebaran data piksel sebagai variabel bebasnya yang
memberikan pengaruh kuat terhadap pertumbuhan piksel sebagai variabel
terikatnya.
diduga terdapat multikolinearitas pada model yang terbentuk, yang
melibatkan sejumlah variabel (lebih dari satu).
Pada kenyataannya variabel bebas (independent variable) yang terlibat
lebih dari satu, sangat mungkin terjadi adanya multikolinearitas pada model
regresi biasa, dan dengan melakukan uji model (nilai VIF<10) diharapkan hal
tersebut dapat dihindari. Multikolinearitas adalah kondisi terdapatnya hubungan
linier atau korelasi yang tinggi antara masing-masing variabel bebas (independent)
dalam model regresi. Multikolinearitas biasanya terjadi ketika sebagian besar
variabel yang digunakan saling terkait dalam suatu model regresi
(http://statistik4life.blogspot.com/2009/12/blog-post.html). Pemakaian variabel
bebas pada model terbaru, telah dilakukan pemisahan antara variabel yang
dilibatkan (variable entered) dan variabel tidak dilibatkan (variable removed).
10
Berpijak pada latar belakang, rangkuman masalah dan tujuan penelitian
diatas maka, pengembangan penelitian yang dimaksud pada disertasi ini diberi
judul, “Pengembangan Model Pertumbuhan Piksel Yang Berbasiskan Data
Citra Satelit Multitemporal Dan Teknologi SIG Sebagai Dasar Estimasi
Pertumbuhan Kota Surabaya”.
Secara fisik pertumbuhan piksel adalah pertumbuhan kota yang terjadi
pada tutupan lahan (land cover) yang terdeteksi dan terekam oleh sensor satelit
pada gelombang tampak (visible spectrum), dan terbaca terdapatnya perubahan
area (terbangun maupun tidak terbangun). Land cover didefinisikan sebagai
sesuatu yang menunjukkan simbol (informasi) pada permukaan lahan bumi,
bawah permukaan lahan, kegiatan dan jenis mahluk hidup, jenis lahan, topografi,
air permukaan dan air dalam tanah, dan kegiatan manusia yang diwujudkan
sebagai kawasan terbangun (built-up) (Turner, 1995 dalam Lambin, E.F., Geist
H., 2006).
Khususnya variabel bebas pada penelitian ini, dibatasi pada kumpulan
piksel yang memiliki panjang gelombang berkisar 0.4μm- 0.7μm yang mewakili
landtype area terbangun (built up area) yang diasumsikan sebagai lahan dengan
kegiatan/ bangunan, dan kumpulan piksel yang memiliki panjang gelombang
berkisar 0.4μm- 2.35μm yang mewakili area tidak terbangun (non built up area)
yang diasumsikan sebagai lahan dengan tumbuhan atau tanpa ada material
bangunan. Maka, disusun pertanyaan riset sebagai berikut,
Pengembangan model pertumbuhan piksel bagaimanakah yang
berbasis data citra satelit multitemporal dan teknologi SIG, sehingga
dapat dipergunakan sebagai dasar estimasi pertumbuhan Kota
Surabaya?
Tujuan penelitian dari pertanyaan riset diatas, adalah:
Menetapkan pemodelan pertumbuhan piksel berbasis data citra
satelit multitemporal dan teknologi SIG, sebagai dasar estimasi
pertumbuhan Kota Surabaya.
Hasil pengembangan model pertumbuhan piksel pada penelitian ini
diharapkan dapat memperkaya teknik klasifikasi pada ilmu penginderaan jauh
(remote sensing). Sedangkan bagi perencana, hasil pengembangan model
11
pertumbuhan piksel ini dapat dimanfaatkan untuk memperoleh informasi
pertumbuhan kota lebih terukur dan presisi.
Agar pemodelan ini sesuai dengan yang diharapkan, ditentukan sasaran
penelitian sebagai berikut:
1. Memperoleh model pertumbuhan piksel yang presisi dan dapat digunakan
untuk estimasi pertumbuhan Kota Surabaya.
2. Menetapkan arah pertumbuhan Kota Surabaya melalui identifikasi
karakteristik hubungan kuat atau lemahnya pengaruh sesama variabel
bebas, maupun terhadap variabel terikatnya.
3. Mengidentifikasi sebaran data piksel sebagai variabel paling berpengaruh
terhadap pertumbuhan Kota Surabaya.
1.3 Manfaat Penelitian
Hasil penelitian:
1. Bagi ilmu penginderaan jauh (remote sensing), pengembangan model
pertumbuhan piksel yang berbasis data citra satelit multitemporal dan
teknologi SIG sebagai dasar estimasi pertumbuhan Kota Surabaya adalah
menghasilkan suatu model yang dapat memberikan informasi karakteristik
masing-masing variabel bebas pada piksel, hubungan kuat dan lemahnya
pengaruh sesama variabel bebas dan terhadap variabel terikatnya,
menggali dan menyesuaikan beberapa variabel data citra satelit yang pada
model sebelumnya belum dilibatkan, pada saat proses klasifikasi.
2. Bagi perencana kota dan pengambil keputusan, penetapan model
pertumbuhan piksel ini dapat memberikan kontribusi dalam menyusun
perencanaan guna lahan perkotaan dalam menyikapi arah pertumbuhan
kota yang diharapkan.
3. Bagi peneliti lain dapat memacu penelitian lebih lanjut dengan teknologi
yang sepadan (appropriate technology).
12
1.4 Batasan Penelitian
1.4.1 Batas Wilayah Studi
Studi dilakukan di Kota Surabaya dengan pertimbangan:
1. Sebagai kota Metropolitan dengan jumlah penduduk 2.885.862 dan
memiliki kegiatan kota yang sangat beragam (Sumber: Kompas, 2008).
Merupakan kota terbesar ke-2 di Indonesia yang terletak pada 07° 21'
Lintang Selatan dan 112° 36' - 112° 54' Bujur Timur dengan luas wilayah
33.306,30 Ha.
2. Terdapat kecenderungan perubahan tutupan lahan (land cover) perkotaan
dengan cepat sebagai dampak makin beragam dan banyaknya kegiatan
diatas lahan yang ditunjukkan pada landtype.
3. Ketersediaan data yang dibutuhkan dalam masa 5 – 20 tahun kebelakang.
1.4.2 Batas / Lingkup Substansi
Pada Gambar 1.1 Kerangka Pemikiran berikut, ditetapkan ruang lingkup
kegiatan adalah; mendeteksi, menyusun, dan menganalisis dalam lingkup ilmu
penginderaan jauh dan teknologi SIG, dengan substansi sebagai berikut:
1. Menggunakan data spasial berkala dengan resolusi sedang (30m) citra
Landsat ETM+ tahun 1990-2009.
2. Pertumbuhan piksel adalah sejumlah piksel atau populasi piksel yang
mengalami perubahan nilai piksel pada arah horisontal.
3. Dilakukan pada tutupan lahan perkotaan, yang dibedakan kawasan
terbangun (built up area) termasuk perkerasan bermaterial beton, lahan
matang dan kawasan tidak terbangun (nonbuilt up area) berupa ruang
terbuka (open space), taman, sawah, tegalan, kuburan tanpa perkerasan.
13
Populasi
Piksel
Lahir Bertahan Mati
Perubahan
Land Cover
Karakter
Dinamis
Klasifikasi
SAM
Pola
(sebaran)
Piksel (t2)
Kalibrasi
site
Pemodelan
Regresi I
(All Possible
Regression)
Pemodelan
Regresi II
(Stepwise
Regression)
Variabel
terpilih
GWRGap riset S3
Gap riset S3
Pola
(sebaran)
Piksel (t1)
Model
Pertumbuhan
piksel
Lokasi dan Arah
Pertumbuhan
Piksel
Guna Lahan
Kawasan
Terbangun
(built up)
Kawasan
Tidak terbangun
(unbuilt up)Tubuh air
Kemiringan
lahan
(slope)
Sistem
transportasi
Metode
coKriging
Gambar 1.1. Kerangka Pemikiran