ANALYZE LAND USE AND LAND COVER CHANGE AND FUTURE IMPLICATION IN BERBAK NATIONAL PARKS, JAMBI USING MULTI-TEMPORAL SATELLITE DATA

Purpose : Analyze of Land Cover

ANALYZE REGRESSION AND FORECASTING LAND USE AND LAND COVER CHANGE AND FUTURE IMPLICATION IN BOUNDARIES AND MAINLY BERBAK NATIONAL PARKS, JAMBI USING MULTI-TEMPORAL SATELLITE DATA (1977 – 2008, forecasting to 2018)


Oleh:

Oldy.A.A(1) & Habibi (2)
(1) Student double degree Management UNJA
(2) Post Graduate Study Soil UNJA



1. Land Use and Land Cover Change .
Land cover berhubungan physical and biological cover di permukaan area, meliputi ; air, vegetasi, lahan kosong dan atribut buatan manusia (artifical). Land Use banyak mengandung istilah. Natural scientists mendefinisikan land use dalam istilah dari aktivitas syndromes manusia seperti agriculture, forestry dan proses konstruksi pembangunan dari perubahan lahan permukaan yang menimbulkan biogeochemisty, hydrology and bidiversity.

Social scientists and land managers mendefinisikan land use DENGAN makna yang luas memunculkan maksud sosial dan ekonomi serta kontek untuk lahan yang terarah (managed) atau tidak terarah (left unmanged), seperti subsistancance vs. Comercial agriculture, rented vs. Owned, or private vs. Public land. Sudah lama land cover di observasi langsung di lapangan atau di observasi menggunakan remote sensing dari perubahan umum land use yang merupakan bagian metode social scientists ini untuk menentukan aktivitas manusia yang menjadikan bagian perbedaan dari landscape, dimana setiap land cover memiliki penampIlan yang sama (Ellis, E., 2007).

Land use and dan land cover mempengaruhi sistem iklim global melalui, biogeophysical, biogeochemical dan energy exchange process. Variasi dalam proses ini dibayar oleh perubahan land use dan land cover dalam merubah corak iklim local, regional & global.

Kunci proses ini memunculkan pengambilan dan pembebasan greenhouse gases oleh terrestrial biosphere melalui photosynthesis, respiration dan evapotranspirations, pembebasan untuk aerosol dan partikel lainnya dari gangguan permukaan land cover antara lain ; variasi dalam perubahan sesitifitas panas antara permukaan dan atmosphere yang dilakukan oleh perubahan land cover ; variasi dalam penyerapan dan pemantulan radiasi sebagai perubahan land cover yang mempengaruhi pematulan permukaan ; pengaruh permukaan yang kasar dalam laju atmosphere adalah bebasnya land cover. Aktivitas manusia dapat dan banyak merubah dari proses ini dan atributnya, tetapi cuaca dan iklim seperti geological dan proses alam lainya adalah suatu hal yang penting US AID, 2007).

Perubahan perkembangan manusia (athropogenic) dalam land use & land cover menjadi pengakuan yang menarik sebagai suatau kritikan faktor yang mempengaruhi perubahan global (Nagendra et al, 2004). Sudah lama land use & land cover sering diasumsikan menjadi sama, mereka lebih suka membedakan pentutupan lahan menjadi definisi sebagai biophysical permukaan bumi dan sudah lama penggunaan lahan sering dibentuk oleh manusia, socio-economic dan political mempengaruhi kondisi dalan lahan (Nagendra, H. et al, 2003).

Dengan penambahan degradation & deforestation bentuk hutan menjadi sebuah isu global. Menciptakan Protected Areas (PAs) dalam format dari Taman Nasional adalah suatu model untuk melindungi forest cover, yang menjadi penerapan umum dalam suatu negara berkembang (Bates & Rudel, 2000; Brandon, Redford & Sanderson, 1998, Southworth, et al. 2004). Bagaimanapun juga, di negara berkembang, sekeliling (PAs), disana biasanya ada sebuah pertumbuhan populasi yang cepat tumbuh (West et al, 2006). Disekitar area (PAs) terdapat dinamika perubahan pengalaman dalam demography, land use & land cover dan mereka adalah karekteristik resiko dari biological dan sosio-political yang tidak biasa ditemukan di tempat lain (Goldman et al., 2002).

2. Remote Sensing (RS)
Remote Sensing (RS) bersama Geography Information System (GIS) memberikan suatu ke-efektifan alat untuk analisis dari perubahan land use and land cover di tingkat level regional. Teknologi geospatial adalah kombinasi teknologi RS dan GIS, mengendalikan potensi untuk waktu san penilaian efekti biaya dari sumber daya alam. Teknik ini dapat digunakan dalam daerah tropic yang luas untuk membangun informasi bernilai dalam forest cover, vegetation type, dan Land use cover change (Forman, R.T.T, 1995 ; Woods, C.H et al, 1998 ; Duncan, B. W, 1999 ; Srivastava, S et al, 2002 ; Gesit, H.J et al, 2002 ; Nagendra, H et al, 2003 ; Pranjit, Kr. Sarma et al, 2008).

Lillesand & Kiefer, 1994 dalam Aniati Murni, 1989. Remote sensing atau penginderaan jarak jauh adalah ilmu dan seni untuk mendapatkan informasi suatu obyek, wilayah atau fenomena melalui analisis data yang diperoleh dari sensor pengamat tanpa harus kontak langsung dengan obyek, wilayah atau fenomena yang diamati.

3. NDVI (Normalized Di_erential Vegetation Index)
Indeks vegetasi adalah pengukuran kuantitatif berdasarkan nilai digital dari data penginderaan jauh yang digunakan untuk mengukur biomass atau intensitas vegetasi di permukaan bumi. Salah satu metode perhitungan indeks vegetasi yang umum digunakan adalah NDVI (Normalized Di_erence Vegetation Index). NDVI diperoleh berdasarkan perbandingan antara pantulan sinar merah dan infra merah dekat dari spektrum elektromagnetik. Kedua spektrum ini dipilih karena mempunyai kemampuan lebih dalam menyerap kloro_l dan kepadatan vegetasi. Selain itu, pada band sinar merah dan infra merah dekat, vegetasi dan non-vegetasi dapat dibedakan secara jelas.

Nilai NDVI berkisar antara -1 hingga +1. Nilai NDVI yang rendah (negatif) menunjukkan tingkat vegetasi yang rendah seperti awan, air, tanah kosong, bangunan, dan unsur non-vegetasi lainnya. Sedangkan nilai NDVI yang tinggi (positif) menunjukkan tingkat vegetasi hijau yang tinggi. Jadi, nilai NDVI sebanding dengan kuantitas tutupan vegetasinya (Tampubolon, T, 2008).

4. Analisis Regresi Land Cover.
Analisa regresi merupakan salah satu teknik statistik yang digunakan secara luas dalam ilmu pengetahuan terapan. Regresi di samping digunakan untuk mengetahui bentuk hubungan antar peubah regresi, juga dapat dipergunakan untuk maksud-maksud peramalan (Yulia, S et al, 2008).

Analisis regresi merupakan sebuah alat statistik yang memberikan penjelasan tentang pola hubungan (model) antara dua variabel atau lebih. Dalam analisis regresi, dikenal dua jenis variabel yaitu ; Variabel Respon disebut juga variabel dependent yaitu variabel yang keberadaannya diperngaruhi oleh variabel lainnya dan dinotasikan dengan Y ; Variabel Prediktor disebut juga variabel independent yaitu variabel yang bebas (tidak dipengaruhi oleh variabel lainnya) dan dinotasikan dengan X. Analisis regresi linier berganda memberikan kemudahan bagi pengguna untuk memasukkan lebih dari satu variabel prediktor hingga p-variabel prediktor dimana banyaknya p kurang dari jumlah observasi (n).

Salah satu prosedur pendugaan model untuk regresi linier berganda adalah
dengan prosedur Least Square (kuadrat terkecil). Konsep dari metode least square adalah menduga koefisien regresi (β) dengan meminimumkan kesalahan (error) (Draper and Smith, 1992).

Tujuan penulisan ini untuk mengathui hubungan faktor y terhadap x, dimana yang menjadi variabel terikat (dependent) adalah Luas land cover Taman Nasional Berbak (luas vegetasi hiaju tua) dan yang menjadi variabel bebas (Independent) adalah ; Lahan terbuka, lahan dengan vegetasi hijau muda, lahan dengan area yang berwarna biru (batang sungai, sungai dan tangkapan air). Sehingga jika dimasukan dalam persamaan regresi maka dapat di formulasikan sebagai berikut ;

Y = a + xb1 + xb2 + xb3 + + e.

Keterangan:
Y = Luas Vegetasi Hijau Tua (Hutan Murni) dari Tahun 1977–2008.
xb1 = Luas Vegetasi Merah (Lahan terbuka) dari Tahun 1977 – 2008.
xb2 = Luas Vegetasi Hijau Muda (Tanaman Muda) dari Tahun 1977–2008.
xb3 = Luas Warna Biru (Tangkapan Air) dari Tahun 1977–2008.
e = Faktor tak terduga.

5.Forecating Land Cover.
Setelah masalah kebijakan dirumuskan dengan baik, tugas berikutnya bagi analis kebijakan adalah memperkirakan / meramalkan konsekuensi dari pilihan-pilihan kebijakan di masa mendatang. Peramalan memberi informasi agar masa depan dapat “dikendalikan” dan perubahan-perubahan dapat diperkirakan berdasarkan pola di masa lalu. Peramalan bukan saja penting untuk melihat alternatif yg terbaik, ia juga akan membantu menghindari akibat negatif dari suatu kebijakan, misalnya: kelangkaan energi, polusi, tumbuhnya hunian kumuh, dsb (Kumoro, 2007).

Forecasting atau peramalan adalah seni dan ilmu untuk memprediksi masa depan. Peramalan adalah tahap awal, dan hasil ramalan merupakan basis bagi seluruh tahapan pada perencanaan produksi. Proses peramalan dilakukan pada level agregat (part family); bila data yang dimiliki adalah data item, maka perlu dilakukan agregasi terlebih dahulu. Peramalan Eksplanatoris dan Deret Berkala. Kedua pendekatan ini saling melengkapi dan dimaksudkan untuk jenis penggunaan yg berbeda.

Pendekatan ekspalanatoris mengasumsikan adanya hubungan sebab akibat di antara input dengan output dari suatu sistem. Peramalan Deret Berkala memperlakukan sistem sebagai kotak hitam. Persyaratan penggunaan metode kuantitatif untuk forcasting adalah ; Tersedia informasi tentang masa lalu ; Informasi tersebut dapat di kuantitatifkan dalam bentuk data numerik ; Dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus berlanjut di masa mendatang.

Langkah-langkah Peramalan ; Definisikan tujuan peramalan ; Plot data (part family) masa lalu ; Pilih metode-metode yang paling memenuhi tujuan peramalan dan sesuai dengan plot data ; Hitung parameter fungsi peramalan untuk masing-masing metode ; Hitung fitting error untuk semua metode yang dicoba ; Pilih metode yang terbaik, yaitu metode yang memberikan error paling kecil ; Ramalkan permintaan untuk periode mendatang ; Lakukan verifikasi peramalan (Elista, 2008).

Forecasting land cover Taman Nasioanl Berbak dituamakan pada ; area terbuka, vegatasi hijau muda dan hijau tua, dan daerah tangkapan air. Masing-masing variabel di forcasting hingga 10 tahun kedepan.

6.Perumusan masalah Purpose.
Permasalahan ini untuk menjawab persoalan, adakah pengaruh variabel y terhadap variabel-variabel x, artinya sejauh manakah hubungan (positif atau negatif) antara variabel daerah yang terbuka, tanaman muda dan tangkapan air terhadap land cover Taman Nasional Berbak (1977-2008)? dan selanjutnya bagaimana trend kecendrunga perubahan dari land cover Taman Nasional Berbak hingga Tahun 2018?

7. Tujuan Purpouse.

1.Untuk mengetahui pengaruh dari faktor lahan terbuka, vegetasi muda dan daerah tangkapan air terhadap land cover TNB menggunakan multy temporal satellite data 1977-2008.

2.Untuk mengetahui trend kecendrungan luasan land cover TNB dari tahun 2008 – 2018.

8. Out Purpouse.
1. Peta Time Series 1977-2008, Sebaran Lahan Terbuka TNB.
2. Koefisien Regresi dan Solusi Deskripsi.
3. Peta Forecasting Time Series 2008-2019.
4. Nilai Luasan yang terjadi dan solusi minimalisasi perluasan di TNB.

Daftar Pustaka.

1.Aniati Murni, 1989. GIS in Resource Assessment and Planning - Coastal Resources Management / CRM. TCAM, Vol. 4, No. 2, August 1989.

2.Bates, D., and & Rudel, T.K., 2000. The political ecology of conserving tropical rain forest : A cross-national analysis. Society and Natural Resource. 13, 619-634.

3.Brandon, K., K. Redford and S. Sanderson, eds., 1998. Park in peril : People, Political and protected areas. Washington, DC: Island Press.

4.Draper and Smith, 1992. Drapper and Smith (1992), “ Analisis Regresi Terapan”, PT. Gramedia Pustaka Utama, Jakarta.

5.Duncan, B. W., Boyle, S., Breininger, D.R. and Schamalzer, P.A. 1999. Coupeling past management pratice and historic landscape change on Jhon Kennedy Space Center Florida. Landsc. Ecol, 14,291-309.

6.Ellis, E., 2007. Land Use and Land Cover Change. http://www.eoearth.org/article/Land-use_and_land-cover_change

7.Elista, 2008. Forecating Methods (Metode Peramalan). http://elista.akprind.ac.id/upload/files/4925_Modul_2_(Forecasting).ppt.

8.Forman, R.T.T, 1995. Lands Mosaics : The Ecology Lanscape and Regions, Cambridge University Press,. Cambridge, UK.

9.Geist, H.J. and Lambin, E.F. 2002. Proximate couses and underlying driving forces of tropical deforstation. Bioscene. 87, 215-233.

10.Goldman, A.C., Biford, M.W., Chapman, C.A., Chapman, L.J and Southworth, J. 2002. Collaborative Research : Consequences of Parks for Land Use, Livelihood Diversification and Biodiversity in East Africa.

11.Kumoro, 2007. Forecasting (Peramalan). http://kumoro.staff.ugm.ac.id/wp-content/uploads/2007/10/teknik-forecasting.ppt.

12.Nagendra, H and Utkarsh, G. 2003. Landscape Ecological planning throught a multi-scale characterization of pattern : Studies in the Western Ghats, South India. Environ. Monit. Assest. 87,215-233.

13.Nagendra, H., Southworth, J. And Tucker, C., 2003. Accessbility as a determinant of lanscape transformatio in western Honduras; Linking pattern and process. Lands. Ecol, 18, 141-158.

14.Southworth, J., H. Nagendra, L.A. Carlson and C. Tucker. 2004. Assesing the impact of Celaque National Park on forest fregmentation in Western Honduras. Applied Geography, Applied Geograpy. 24,303-322.

15.Pranjit, Kr. Sarma, Bibhuti P.L., Ghosh, S., Rabha, A., Jyoti, P.D., Namita B. 2008. Land Use and Land Cover change and future implication analysis in Manas National Park, India Unisng multi temporal sattelite data.

16.Srivastava, S., Singh, T.P., Singh, H., Kuswhaha, S.P.S and Roy, P.S. 2002. Assesmentof large scala deforestation in Sonitpur distric of Assam. Curr. Sci. 82, 1480-1484.

17.Tampubolon, T., Darmawan, S., Wikantika, K., Lim Hwee San, Khiruddin A. 2008. Analisis hubungan NDVI dan Temperatur terhadap tutupan lahan dengan data Landsat-ETM (Studi kasus Kota Medan dan wilayah pesisir). http://crs.itb.ac.id/media/mapin/pdf/togi.pdf.

18.US AID, 2007. The Congo Begin Forest; State of the Forest 2006. Central African Regional Program on the Environment, US, AID, Washington, DC, 256pp.

19.Woods, C.H, and Skole, D. 1998 Linking satellite, cencus and survey data to study deforestation in the Brazilian Amazon. In People and Pixels : Linking Remote Sensing and Social Science )eds Liverman, D. Et al), National Academy Press, Washington, DC USA.

20.Yulia, S, IM Tirta dan Rita Ratih, T. 2008. Kajian Teori Regresi Parametrik Normal dan Regresi Non Parametrik.

KENAPA HARUS GIS?

Orang yang baru mengenal GIS cenderung menganggap bahwa GIS adalah solusi untuk semua masalah. Apakah benar demikian? Hal ini tidak sepenuhnya salah karena GIS memang memiliki tool dan metode yang sangat powerful.

Tetapi, orang cenderung membesar-besarkan kelebihan GIS dan menghilangkan kekurangannya/ permasalahnnya. Saya pikir kita perlu memperhatikan juga masalah dalam GIS sebagai berikut:



GIS laksana dua sisi mata uang. GIS sangat tergantung kepada orang yang menggunakannya. GIS dapat digunakan untuk hal-hal yang “baik/benar” seperti analisis kerawanan, jalur terpendek, dll.

Tapi GIS juga dapat digunakan untuk manipulasi. Kita akan mudah sekali melakukan manipulasi hasil analisis. Semakin mahir operator/analis GIS, semakin mudah mereka melakukan manipulasi.

GIS bukanlah pembuat peta. Anggapan bahwa GIS adalah pembuat peta tidak saja salah, tapi menyesatkan. Pola pikir ini adalah berorientasi hasil. Kelebihan GIS yang terbesar bukanlah untuk produksi peta. Memang benar kita bisa menggunakan GIS untuk menghasilkan peta. Tetapi, sesungguhnya lebih baik menggunakan “desktop publishing” daripada software GIS untuk membuat peta yang menarik. Tugas utama GIS adalah menjawab pertanyaan pengambil keputusan.

GIS sangat tergantung kepada dispilin lain. GIS memerlukan penginderaan jauh, inventarisasi, sampling, statistika, kartografi, ekonomi, ilmu social, dll. Dapat dikatakan bahwa GIS memerlukan hampir semua disiplin. Sehingga, kita tidak akan dapat memecahkan masalah-masalah spasial jika kita tidak mengerti disiplin-disiplin lain.

GIS tidak terbebas dari error. GIS selalu memiliki error. Meskipun kita memiliki perangkat yang canggih, kita masih akan memiliki error di GIS.

GIS adalah ilmu dan seni. Kadang orang lupa bahwa ada unsur seni dalam GIS. Hal ini berarti bahwa ada subyektifitas dalam GIS. Metode/perangkat yang sama digunakan oleh dua orang yang berbeda sering memberikan hasil yang berbeda.

Sebuah kata klasik: GIGO. Jika kita masukan sampah, maka yang keluar juga sampah. Manipulasi data/informasi sering terjadi dalam tahapan GIS. Manipulasi sering muncul saat terdapat tekanan untuk memenuhi ‘dead line” dari suatu proyek.



GIS memberikan apa yang kita perlukan. Oleh karena itu apa yang kita inginkan dari GIS seharusnya adalah pertanyaan yang pertama kali muncul sebelum menggunakan GIS. Ketahui apa yang kita inginkan, lakukan apa yang kita perlukan, dan nikmatilah hasil yang kita targetkan. Tidak ada solusi yang sama untuk semua kasus spasial.

Tutupan Lahan (vegetasi kawasan)dengan Pemanfaatan Citra Satelit

Perolehan Informasi mengenai (kerapatan biomassa atau (tingkat kehijauan) vegetasi sering menjadi tujuan-tujuan milik studi – studi dan investigasi terhadap penutupan lahan (landcover); terutama bagi wilayah-wilayah yang sering kali disebut PARU-PARU DUNIA (dan sering juga dikaitkan dengan masalah-masalah emisi karbon dan cadangan oksigen dunia) dan negara nomor wahid di dalam keaneka ragaman (diversity) jenis flora dan fauna.

Informasi yang sering dinyatakan dalam terminologi indeks vegetasi (VI) ini, secara praktis dan dapat diperoleh dari CITRA SATELIT PENGINDERAAN JAUH. Makin besar nilai indeks ini, makin rapat dan sehat vegetasinya. Informasi seputar ini dapat memberikan kontribusi terbaiknya pada bidang-bidang kehutanan (Forestry).

Pada pembicaraan seputar vegetasi di Indonesia, khususnya area hutan, secara umum teradpat fakta yang boleh disebut kontradiktif : seringnya terjadi penebangan , penggudulan, pencurian kayu (Illegal Logging), dan kerusakan hutan dengan kecepatan yang relatif tinggi sebesar 2,8 juta Ha pertahun untuk periode 1997-2000 dan 1,8 juta Ha pertahun untuk periode 2001-2005; sementara penanamannya kembalinya (recovery) belum sebanding.

Dalam kaitan inilah aktivitas pada bidang-bidang penginderaan jauh beserta proses pengolahan citranya diperlukan sebagai alat bantu untuk memonitor, menginventarisasikan, dan mengevaluasi sumber daya penyerap carbon sekaligus produsen oksigen bagi dunia. Hutan. (powered by HB-susufanta@yahoo.com)