Identifikasi Perkembangan Deforetasi Tambang PT.Semen
Padang dengan Menggunakan Citra Multi Spektral dan Multi
Temporal
Identify Development of Mining Deforetation PT.Semen Padang
use Multi Spectral and Temporal Imagery
1.
Beben Graha Putra, Latifa Annur, Isra Haryati Diva
Prodi Geografi Universitas Negeri Padang
ABSTRAK – Tujuan penelitian ini mengidentifikasi deforestasi dari aktivitas semen
padang, menentukan pola deforestasi, menghitung akurasi citra dan analisis deforestasi.
Didalam penelitian ini menggunakan citra Landsat 7 & 8, Sentinel 2 dan peta kadastral
pertambangan. Metode yang digunakan 1. Klasifikasi citra multispektral, maximum
likelihood dan NDVI, 2. Uji akurasi menggunakan confusion matrix. Hasil penelitian ini
ditemukan tipe tutupan lahan yaitu hutan, perairan, lahan terbangun, lahan terbuka,
belukar. Dari semua kelas tutupan lahan yang diklasifikasikan pada area pertambangan
didominasi oleh Hutan. Hasil transformasi indeks Vegetasi pada area pertambangan
berkisar pada rentang -0.306475 - 0.378938. Area deforestasi lahan terbuka tahun 2007
yaitu 148 Ha dan tahun 2018 yaitu 197 Ha. Arahnya yang bergerak ke selatan. Izin
pertambangan dari ESDM seluas 618 Ha dan lahan deforestasi pertambangan 33,10% .
Hasil uji akurasi citra 80.1326%
Kata Kunci : Deforestasi,Pertambangan,NDVI
ABSTRACT - The purpose of this study to identified the deforestation of PT Semen
Padang activity, to determination of deforestation patterns, to calculate of image
accuracy and to analysis deforestation. In this research using Landsat 8, Sentinel 2 and
cadastral mining map. Methods used 1. Multispectral image classification, maximum
likelihood and NDVI, 2. accuracy assasment using confusion matrix. The results of this
study found the type of land cover that is forest, water, wake land, bare land, grass.
From all of land cover classified in mining areas are dominated by forests land cover.
The transformation of Vegetation index on mining area ranges from -0.306475 0.378938. Deforestation area of bare land in 2007 is 148 Ha and in 2018 is 197 Ha. The
land expantion has direction moving to south. Mining permits from ESDM covering
618Ha and mining deforestation area 33,10%. Image accuracy test result 80.1326%.
Keywords: Deforestation, Mining, NDVI
1.Pendahuluan
Deforestasi merupakan masalah yang sering terjadi di Indonesia,Deforestasi sendiri adalah proses penghilangan
hutan alam dengan cara diambil kayunya atau mengubah lahan hutan menjadi lahan non hutan. Deforestasi bisa
disebabkan kebakaran,pembalakan,atau pembukaan lahan yang mana ini bisa diidentifikasi karena desakan konversi
lahan untuk pemukiman,infrastruktur,dan permanen industri maupun kegiatan tambang.
Deforestasi pertambangan menjadi contoh disaat kebutuhan akan mineral dengan semakin pesatnya kegiatan industri
menuntut deforestasi terjadi. PT.Semen Padang yang menjadi perusahaan BUMN bergerak dibidang industri semen
melakukan penambangan dikawasan Indarung. Batu kapur yang ditambang dibukit Karang Putih digunakan sebanyak
81%,Batu Silika yang depositnya berada dibukit ngalau yang masih satu kawasan dengan bukit Karang Putih digunakan
sebanyak 9%. Dilihat dari persentase nya maka kegiatan penambangan terus berlangsung dan kegiatan Deforestasi
terus berjalan yang mana ini akan dilihat dan dikaji menggunakan citra satelit yang biasa disebut dengan teknologi
penginderaan jauh atau remote sensing. Penginderaan jauh yaitu berbagai teknik yang dikembalikan untuk perolehan
dan analisis informasi tentang Bumi. Infromasi tersebut khusus berbentuk radiasi elektromagnetik yang dipantulkan atau
dipancarkan dari permukaan Bumi (Lindgren, 1985).
Analisis tutupan lahan dengan menggunakan penginderaan jauh juga banyak diaplikasikan untuk mendeteksi
degredasi hutan. Metode melakukan identifikasi Vegetasi sehingga bisa membedakan obyek Hutan dan Non Hutan.
Dengan menggunakan Citra dari Satelit Landsat 5 dan 8 serta Citra Sentinel yang mempunyai Resolusi 10m sehingga
kita dapat melihat berapa besarnya luas Deforestasi dari tahun 2007-2018. Penggunaan Citra Multispectral dapat
menghasilkan berbagai saluran, Citra dengan saluran yang berbeda tersebut dapat untuk mengidentifikasi kenampakankenampakan tertentu,karena saluran-saluran tersebut memiliki kepekaan terhadap suatu kenampakan
Penggunaan metode Normalized Difference Vegetation Index (NDVI) merupakan kombinasi antara teknik penisbahan
dengan teknik pengurangan citra,NDVI mampu menonjolkan aspek kerapatan Vegetasi. Indeks vegetasi atau NDVI
adalah indeks yang menggambarkan tingkat kehijauan suatu tanaman. Indeks Vegetasi merupakan kombinasi matematis
antara band merah dan band NIR yang telah lama digunakan sebagai indikator keberadaan dan kondisi Vegetasi
(Lillesand dan Kiefer, 1997). NDVI dapat digunakan sebagai indikator biomasa dan tingkat kehijauan (greenness) relatif
(Sutanto, 1986). Indeks Vegetasi merupakan nilai yang diperoleh dari gabungan beberapa spektral band spesifik dari citra
penginderaan jauh. Gelombang indeks Vegetasi diperoleh dari energi yang dipancarkan oleh Vegetasi pada citra
penginderaan jauh untuk menunjukkan ukuran kehidupan dan jumlah dari suatu tanaman.
Tanaman memancarkan dan menyerap gelombang yang unik sehingga keadaan ini dapat di hubungakan dengan
pancaran gelombang dari objek-objek yang lain sehingga dapat di bedakan antara Vegetasi dan objek selain Vegetasi
(Horning, 2004). Transformasi NDVI memanfaatkan beberapa saluran dari citra satelit Landsat ETM + antara lain ; band 3
(TM 3) yang lebih dikenal dengan saluran merah dan band 4 yang lebih dikenal dengan saluran inframerah dekat.
Kelebihan kedua saluran ini untuk identifikasi Vegetasi adalah obyek akan memberikan tanggapan spektral yang tinggi
(Swain, 1978) . Perhitungan perbandingan sifat respon obyek terhadap pantulan sinar merah dan NIR dapat
menghasilkan nilai dengan karakteristik khas yang dapat digunakan untuk memperkirakan kerapatan atau kondisi
kanopi/kehijauan tanaman. Tanaman yang sehat berwarna hijau mempunyai nilai indeks Vegetasi tinggi. Hal ini
disebabkan oleh hubungan terbalik antara intensitas sinar yang dipantulkan vegetasi pada spektral sinar merah dan NIR
(Purwadhi dan Sri, 2001). Ada banyak metode yang digunakan untuk menghitung indeks Vegetasi, yang bisa digunakan
adalah NDVI. NDVI merupakan suatu pembagian dari gelombang yang dipantulkan oleh Vegetasi dengan gelombang
yang diserap oleh tanaman yaitu gelombang infrared dekat dengan gelombang merah, dan penjumlahan dan
pengurangannya dari tiap-tiap gelombang merupakan suatu normalisasi dari irradians (Shorts, 2006).
Konsep multi yang digunakan yaitu pencitraan multitemporal dan multispectral. Pencitraan multitemporal merupakan
cara yang digunakan pada system penginderaan jauh dengan memanfaatkan waktu perekaman yang berbeda-beda.
Obyek yang tergambar dalam citra menggambarkan kondisi dan waktu perekaman yang berbeda-beda. Tujuan
pemanfaatan citra multitemporal untuk mengetahui obyek yang tergambar dalam citra yang menggambarkan kondisi dan
waktu perekaman yang berbeda-beda. Pencitraan multispectral merupakan cara pengambilan objek menggunakan
seluruh spectrum gelombang elektromagnetik. Pencitraan spektral dapat memungkinkan ekstraksi informasi tambahan
mata manusia gagal untuk menangkap dengan reseptor untuk merah, hijau dan biru. Ini pada awalnya dikembangkan
untuk pencitraan berbasis ruang angkasa. Klasifikasi multispektral ini hanya bisa dilakukan pada citra satelit format digital
dengan bantuan sistem komputer dan .mengandalkan nilai kecerahan untuk membedakan obyek-obyek yang terekam
pada citra.
Karakteristik spektral merupakan besaran terukur yang dimiliki suatu objek pada satu atau beberapa julat panjang
gelombang (Reeves, 1975). Informasi mengenai karakteristik spektral pada suatu objek dapat diidentifikasi melalui kurva
pantulan spektral. Adanya kandungan air di tanah akan mengurangi pantulannya, sehingga pada kondisi tanah yang
berbeda yaitu tanah yang kering dan basah akan mempengaruhi amplitudo dari kurva pantulan tanah tersebut.
Selanjutnya, Sifat spektral tanah yang dikorelasikan pada masing – masing saluran citra Landsat TM digunakan untuk
memperoleh saluran terbaik yang merepresentasikan kelembaban tanah permukaan dan hubungannya dengan
kelembaban tanah permukaan di lapangan.
PT Semen Padang menyatakan berkomitmen menjaga lingkungan dengan mengelola bekas tambang untuk
mengembalikan fungsi lahan. Direktur Utama Semen Padang Benny Wendry menyebutkan perseroan memperhatikan
pengelolaan lingkungan dalam setiap operasionalnya sehingga menghasilkan produksi tambang yang ramah lingkungan
(28 Maret 2017). Contohnya lahan tambang tanah liat atau clay sekitar 90 hektare, yang dikerjakan perseroan di kawasan
Indarung, Kota Padang, direklamasi sejak 1993 serta dijadikan sarana olahraga dan konservasi. Benny mengungkapkan,
di area bekas tambang clay yang dinamai Taman Reklamasi Indarung itu, tumbuh 293 jenis tumbuhan. Enam di
antaranya tergolong dilindungi undang-undang. Tumbuhan itu sebagian besar ditanami, tapi ada juga yang tumbuh
secara alami. Selain itu, terdapat 47 jenis hewan yang mendiami kawasan bekas tambang tersebut. Untuk lahan yang
dikerjakan saat ini, anak usaha PT Semen Indonesia (persero) Tbk itu sudah menyiapkan perencanaan pascatambang
seluas 242 hektare agar kelestarian lingkungan sekitarnya tetap terjaga. Proses reklamasi tambang batu kapur baru bisa
dilakukan saat ketinggian bukit kapur sudah mencapai level tidak bisa ditambang lagi atau sekitar 200 meter dari
permukaan laut. Adapun tahapan pemulihan area bekas tambang adalah melakukan reklamasi lahan yang tidak
digunakan dan penutupan tambang. Untuk penutupan tambang, direncanakan pengembalian kawasan menjadi hijau
kembali dan melengkapinya dengan sarana pendukung, seperti waduk dan tata ruang, agar tidak terjadi erosi.
2.Metode Penelitian
Data yang digunakan dalam penelitian ini menggunakan data citra Landsat 5 & 8 dengan wilayah menjadi objek
penelitian yaitu daerah pertambangan PT. Semen Padang. Metode penelitian menggunakan klasifikasi citra multispektral,
Maximum Likelihood,dan NDVI serta Uji akurasi menggunakan Confusion matrix. Ditambah dengan penggunaan citra
multi temporal untuk melihat Deforestasi dari tahun 2007-2018.
Tahap penelitian digambarkan pada bentuk diagram alir seperti dibawah ini :
Data citra Landsat 7 dan 8
Koreksi Radiometrik
Klasifikasi Multispektral
Perhitungan Luas
Klasifikasi Temporal
Maximum Likelihood dan NDVI
Deforestasi
Perhitungan akurasi
Informasi Spasial Deforestasi
tahun 2007-2018
Confusion matrix
Untuk lokasi penelitian ditunjuk kan pada gambar dibawah ini:
2.1 Koreksi Radiometrik
Hal pertama yang dilakukan adalah koreksi radiometrik dan pemotongan citra sesuai dengan daerah penelitian.
Dengan daerah yang difokus kan maka akan didapatkan keakuratan penelitian,dilakukan Koreksi Radiometrik untuk
mengnetralkan hamburan yang terjadi ketika pengambilan gambar oleh Satelit. Menurut Menurut Catur, et al rumusan
untuk koreksi radiometrik adalah sebagai berikut:
𝐿𝜆 = 𝑀𝐿 𝑥 𝑄𝑐𝑎𝑙 + 𝐴𝐿 (1)
di mana;
𝐿𝜆 = ToA reflektansi
𝑀𝐿 = Reflectance_Mult_Band_x
𝐴𝐿 = Reflectance_Add_Band_x
𝑄𝑐𝑎𝑙 = Nilai digital number (DN)
2.2 Klasifikasi Citra Multispektral
Klasifikasi multispektral sendiri adalah algoritma yang dirancang untuk menyajikan informasi tematik dengan cara
mengelompokkan fenomena berdasarkan satu kriteria yaitu nilai Spektral. Cara kerja algoritma klasifikasi multispektral
pada prinsipnya adalah menandai tiap jenis objek hingga terlihat berbeda satu dari yang lain,berdasarkan ciri-ciri nilai
spektral nya sekaligus pada beberapa saluran. Cara kerja algoritma klasifikasi adalah menerjemahkan kenampakan
visual tersebut menjadi parameter-parameter statistik yang dimengerti oleh komputer,dan kemudia dieksekusi
Klasifikasi dalam penelitian ini dibagi 2 yaitu :
1. Maximum Likelihood (Supervised)
Pada metode ini,analisis terlebih dahulu menentukan daerah training area pada citra sebagai kelas
kenampakan objek tertentu. Penetapan ini berdasarkan pengamatan analisis terhadap wilayah dalam citra
mengenai daerah tutupan lahan. Danoedoro (2012) menyebutkan bahwa Algoritma maximum likehood
merupakan algoritma yang secara statistik mapan, dengan asumsi bahwa objek homogen selalu menampilkan
histogram yang terdistribusi normal.
Setelah dilakukan pengolahan citra dengan metode Maximum Likelihood maka akan didapatkan hasil
tutupan lahan disekitar kawasan penambangan PT.Semen Padang. Tutupan lahan terdiri atas Lahan
terbangun,Lahan terbuka,Perairan,Sawah,Belukar,Padang Rumput,Hutan.
Hasil Citra dengan Supervised tahun 2007
Pengolahan Citra Landsat 7 dengan menggunakan metode supervised mengasil kan pixels yang
diklasifikasikan dengan teratur dari perhitungan per pixels maka akan dikelompokkan sesuai jenis nya yang
telah kita tentuin. Adapun data yang dihasilkan ketika pengolahan training Citra dibawah ini :
2.2.1 Tabel
ROI Name
Lahan Terbuka
Belukar
Perairan
Sawah
Padang Rumput
Lahan Terbangun
Hutan
Pixels
3.177
2.449
2.451
4.348
991
8.084
73.072
Polygons
29/3.177
24/2.449
49/2.451
25/4.348
2/991
49/8.084
57/73.072
Tabel 1. Nilai Pengolahan Citra dengan ROI tool tahun 2007
Setelah melakukan Klasifikasi terbimbing atau Supervised selanjut nya dilakukan pengukuran luas melalui
pixels yang telah dikelompokkan. Dari hasil pengelompokkan pixels tersebut didapatkan lah luas daerah
Deforestasi yaitu sebesar 148 Ha dengan arah pergerakannya ke selatan.
Sebagai pembanding dari hasil Deforestasi dibutuhkan analisis tahun diatas nya dan dalam penelitian ini
menggunakan rentang 11 tahun yang dimulai dari 2007-2018. Penggunaan Landsat 8 pada tahun 2018
dengan akurasi 30 meter membuat perhitungan lebih akurat hasil nya bisa diamati pergerakan Deforestasi
2018 bertambah dari tahun sebelumnya. Alur Deforestasi baru mengarah kearah tenggara serta perluasan
area lahan pertambangan juga terjadi dibagian utara seperti yang terlihat pada hasil klasifikasi dibawah ini.
Hasil Citra dengan supervised tahun 2018
Pengolahan Supervised Maximum Likelihood mendapatkan hasi l bahwa selama jarak 11 tahun terjadi
kenaikan dari luas Deforestasi sebelumnya di tahun 2007 sebesar 148 Ha menjadi 197 Ha.
2.2.1 Tabel
ROI Name
Lahan Terbuka
Belukar
Perairan
Sawah
Padang Rumput
Lahan Terbangun
Hutan
Pixels
3.141
1.192
2.059
3.871
865
7.499
86.860
Polygons
45/3.141
13/1.192
45/2.059
16/3.871
2/865
32/7.499
97/86.860
Tabel 1. Nilai Pengolahan Citra dengan ROI tool tahun 2018
Dengan adanya 2 peta ini kita bisa melihat langsung pergerakan Deforestasi yang terjadi dan dapat
menyimpulkan besaran luas area nya.
Penelitian ini juga menggunakan Uji akurasi klasifikasi atau perhitungan matriks dari setiap kesalahan
(confusion matrix) pada setiap penggunaan lahan dari interpretasi citra. Ketelitian pemetaan (MA) dibuat
dalam beberapa kelas X serta ketelitian keseluruhan hasil klasifikasi (KH) yang dapat dihitung dengan
menggunakan rumus :
𝑀𝐴
𝑐
𝑐
𝑥 𝑙
𝑙𝑎
𝑥 𝑙
𝑙𝑎
𝑥 𝑙
𝑥 𝑙
𝑎
𝑐
𝑥 𝑙
𝑎
𝑥 𝑙
𝑙𝑎
Nilai klasifikasi yang didapat dari metode Confusion matrix sebesar 80.1326% sehingga ketelitian
klasifikasi memenuhi toleransi dan klasifikasi dianggap benar.
2. Normalize Difference Vegetation Index (NDVI)
NDVI merupakan kombnasi antara teknik penisbahan dengan teknik pengurangan citra. Transformasi
NDVI ini merupakan salah satu produk standar NOAA (National Oceanic and Atmospheric Administration),
satelit cuaca yang berorbit polar namun memberi perhatian khusus pada fenomena globa vegetasi dan cuaca.
Menurut Curran , nilai NDVI dapat menunjukkan parameter yang berhubungan dengan parameter vegetasi,
antara lain, biomass dedaunan hijau, daerah dedaunan hijau yang merupakan nilai yang dapat diperkirakan
untuk pembagian vegetasi. NDVI pada dasarnya menghitung seberapa besar penyerapan radiasi matahari
oleh tanaman terutama bagian daun. Nilai NDVI merupakan perbedaan reflektansi dari kanal inframerah dekat
dan kanal cahaya tampak (merah).
Algoritma yang digunakan adalah sebagai berikut :
𝑁
𝑁
𝑁
Peta NDVI kawasan PT. Semen Padang tahun 2018
Hasil transformasi indeks Vegetasi pada area pertambangan berkisar pada rentang -0.306475 - 0.378938.
Diklasifikasikan menjadi 5 kelas yaitu daerah yang cukup rapat bisa terdiri dari semak belukar serta areal
pertanian,kelas rapat tersusun didalam nya terdapat hutan daerah ini terdapat di aral perbukitan yang
mengeliling daerah pertambangan,kelas sangat rapat merupakan daerah dengan indeks vegetasi sangat lebat
atau bisa dikatakan sangat rapat,serta yang terakhir merupakan daerah tidak bervegatasi dengan kisaran nilai
-1 s/d -0,32 terdiri atas Perumahan/Lahan terbangun dan Lahan terbuka.
2.3 Klasifikasi Citra Multitemporal
Model klasifikasi multitemporal dipenelitian untuk menekan lebih jelas perubahan serta gerak deforestasi yang
terhitung dari pengklasifikasian Supervised. Ditahun 2007 seluas 148 Ha di bukit karang putih serta ditahun 2018 seluas
197 Ha apabila dihitung terjadi kenaikan sebesar 33,10%. Sementara itu daerah yang diizinkan untuk di tambang oleh
Kementerian ESDM pada daerah penelitian ini sebesar 618 Ha maka lahan yang telah terpakai sebesar 31,87%.
Perkembangan deforestasi dari peta yang dibawah ini menunjukkan perbandingan dengan jelas deforestasi tahun 20072018 dengan sisa izin yang ada maka pergerakan deforestasi akan terus terjadi. Apabila dilihat mungkin akan bergerak
kearah timur sesuai izin yang diberikan hingga akan dilakukan pertambangan sampai 2048 sesuai yang disampaikan oleh
PT.Semen Padang pada Harian Singgalang serta target reklamasi yang rampung pada tahun tersebut.
Peta Perkembangan Pertambangan PT.Semen Padang.