Analisis Kualitas Kesehatan Lingkungan Perumahan dengan Citra Penginderaan Jauh

Dalam kerangka ekologis, hubungan antara kawasan perumahan, karakteristik spasial perumahan, serta tingkat kualitas kesehatan lingkungan perumahan ialah saling berkaitan dan saling berpengaruh. Indonesia sebagai negara berkembang, secara garis besar, kawasan perumahannya dapat dikelompokkan menjadi dua, yaitu tipe perumahan terencana (formal housing) dan tipe perumahan alami (nonformal housing). Masing-masing tipe perumahan tersebut memiliki karakteristik visual yang berbeda, sebagai contoh, keteraturan dan kepadatan bangunan, distribusi dan luas ruang terbuka hijau, serta tingkat aksesibilitas. Dimana karakter visual tersebut dapat disadap dari citra penginderaan jauh resolusi tinggi hingga sangat tinggi. Perbedaan karakteristik spasial pada masing-masing tipe perumahan memberikan pengaruh terhadap tingkat kualitas kesehatan lingkungan perumahan. Di lain sisi, aspek nonspatial juga berpengaruh terhadap tingkat kualitas kesehatan lingkungan perumahan, antara lain faktor fisik, biotis, ekonomi, dan budaya. Informasi aspek spasial kawasan perumahan yang lengkap dan akurat memiliki peranan penting dalam proses penilaian kualitas kesehatan lingkungan perumahan agar diperoleh yang optimal.

Pendekatan berbasis spasial untuk analisis kualitas kesehatan lingkungan perumahan dalam prosesnya memerlukan data spasial kawasan perumahan yang rinci dan periodik. Data penginderaan jauh resolusi tinggi hingga sangat tinggi dapat diaplikasikan dalam penilaian estimasi tingkat kualitas kesehatan lingkungan perumahan berbasis spasial. Berdasarkan variabel spasial dan variabel lingkungan, dibentuk model estimasi tingkat kualitas kesehatan lingkungan perumahan pada masing-masing tipe perumahan. Model estimasi ini digunakan untuk menggambarkan bahwa indikator karakteristik spasial kawasan perumahan berasosiasi dengan tingkat kualitas kesehatan.

Dengan memanfaatkan data penginderaan jauh resolusi tinggi hingga sangat tinggi ini, dapat dimanfaatkan untuk estimasi kualitas kesehatan lingkungan perumahan, yang diharapkan dapat meningkatkan efektivitas serta efesiensi dalam penilaian estimasi kualitas kesehatan lingkungan perumahan, sehingga dapat segera ditetapkan prioritas perbaikan serta sebagai rekomendasi dalam perencanaan kawasan perumahan yang lebih baik.

referensi:

Martono, Dwi Nowo, Surjono H.S, Uup S.W, dkk. Kajian Spatial Kualitas Kesehatan Lingkungan Perumahan (Studi Kasus: Kabupaten Bekasi).jurnal.

Analisis SIG untuk Bank

(BAGIAN I)

Fungsi utama dari Bank adalah menghantarkan layanan finansial dan produk finansial kepada customer atau pelanggan. Dilain pihak kesuksesan Bank saat ini sangat dipengaruhi oleh market (market driven). Model bisnis terpusat pada pelanggan mampu menjawab tantangan yang dipengaruhi oleh market tersebut.

Bank mengelola data pelanggan yang sangat banyak, dengan menambahkan kata ‘lokasi’ yang dapat di urus oleh SIG/GIS, bank dapat memperoleh berbagai keuntungan dari hal tersebut.

Apa yang bisa dilakukan GIS untuk urusan Bank?

GIS mampu mensupport Bank dalam decision making and strategic planning seperti :

a. Customer analysis, analisis ini menjawab pertanyaan, dimanakah pelanggan anda, apa karakteristik pelanggan tersebut( segmentasi pasar, klasifikasi tempat tinggal pelanggan), dimana saja catchment area dari cabang-cabang bank anda, daerah mana yang tidak dapat dilayani.

b. Competitor analysis, dimana lokasi kompetitor anda, mampu menangkap customer dimana saja dalam segmen pasar bank tersebut.

c. Marketing terfokus, dengan memperhatikan lokasi dan karakteristik kustomer, strategi advertising pun bisa lebih fokus dan mengena, karena bisa sangat lokal.

d. Rencana Ekspansi Bisnis, rencana bisnis ini memerlukan pemodelan lokasi yang relevan, fast cost-effective site analysis yang reliabel. Variabel seperti lokasi konsentrasi area komersial, konsentrasi tempat-tempat kerja, tempat tinggal kustomer, karakteristik demografis, land cost, traffic transportation pattern dan lainnya digunakan dalam pemodelan ini.

(...bersambung...)

sumber : gisdevelopment. net

Penentuan Wilayah Optimal Untuk Hutan Menggunakan Aplikasi Citra Landsat ETM+

Sebagian besar penggunaan lahan yang berfungsi sebagai hutan pada umumnya mengalami penyempitan luasannya. Hal ini dapat disebabkan adanya alih fungsi lahan yang biasanya memanfaatkan lahan yang ada sesuai dengan kebutuhan tanpa memperhatikan kondisi lingkungan. Pengalihfungsian lahan tersebut menjadikan salah satu faktor penyebab adanya penurunan kualitas lingkungan, sehingga perlu diketahui wilayah optimal dan persebaran hutan suatu daerah. UU nomor 41 tahun 1999 menyatakan bahwa luas hutan pada suatu wilayah minimal ialah 30% dari luas wilayah tersebut.

Metode yang dipergunakan dalam penentuan wilayah optimal untuk hutan ialah integrasi metode penginderaan jauh dengan informasi geografis. Metode penginderaan jauh yang dipergunakan ialah transformasi indeks vegetasi dan klasifikasi multidpektral. Teknik tumpangsusun (overlay) pada system informasi geografis dipergunakan untuk menyusun serta menganalisis data hasil interpretasi citra, peta/data sekunder, serta data lapangan.

Metode transformasi indeks vegetasi dan klasifikasi multispectral pada citra Landsat ETM+ digunakan untuk menentukan pembagian kawasan hutan ataupun non-hutan, serta untuk mendapatkan informasi tutupan lahan. Tingkat kerapatan suatu vegetasi digunakan untuk membedakan kawasan hutan dan non-hutan. Transformasi indeks vegetasi yang digunakan ialah NDVI , dimana selisih pantulan inframerah dekat dinormalisasi dengan cara membaginya dengan jumlah dari keduanya. Nilai NDVI ini mendasarkan pada harapan agar indeks yang diperoleh memiliki julat antara -1 dan +1. Klasifikasi multispectral dengan metode Maximum Likelihood dapat memberikan informasi mengenai penutup lahan. Untuk memperoleh informasi arahan dapat digunakan penggabungan antara peta lereng, peta tanah, dan peta hujan.

Peta arahan wilayah optimal untuk hutan disusun berdasarkan arahan penggunaan lahan, status hutan dan kerapatn vegetasi, sehingga akan menghasilkan wilayah potensi hutan sesuai dengan arahan fungsi penggunaan lahan. Penggunaan lahan berupa hutan dan ditambah dengan vegetasi sangat rapat diasumsikan sebagai hutan, sedangkan penggunaanlahan pemukiman dengan vegetasi tidak rapat diasumsikan sebagai pemukiman.

Referensi:

Susilawati, Tikta dan Sigit Heru Murti. 2009. Prosiding Simposium Sains Geoinformasi:Penentuan Wilayah Optimal Untuk Hutan Di Daerah Istimewa Yogyakarta Menggunakan Aplikasi Citra Landsat ETM+ Dan Sistem Informasi Geografis. Yogyakarta: PUSPICS Fakultas Geografi UGM.

(Lanjutan) Pemanfatan Sistem Informasi Geografis (SIG) Untuk Pemetaan Imbuhan Airtanah dan Kerentanan Airtanah Di Kawasan Karst

Metode yang digunakan dalam penelitian ialah metode APLIS yang memanfaatkan sistem informasi geografis (SIG) dengan analisis tumpangsusun (overlay). Variabel yang digunakan dalam penelitian altitud (ketinggian), pendiente (kemiringan lereng), litologia (litologi), infiltraction preferencial (zona infiltrasi), dan suelo (tanah).

Peta ketinggian dan kemiringan lereng dihasilkan dari peta rupa bumi Indonesia (RBI) skala 1:25.000 terbitan BAKOSURTANAL. Data litologi diperoleh dari Peta Geologi Lembar Yogyakarta (1995) dan Lembar Surakarta (1992) skala 1:100.000 terbitan Pusat Penelitian dan Pengembangan Geologi serta survei lapangan untuk menghasilkan peta litologi pada skala 1:50.000. Peta zona infiltrasi dihasilkan dari interpretasi citra dengan pendekatan litologi dan pola alur, serta survey lapangan, sedangkan peta tanah dihasilkan dari peta tanah terbitan Pusat Penelitian Tanah dan Agroklimat (PUSLITANAK) Bogor skala:1:50.000 yang diubah dalam klasifikasi FAO.

Litologi wilayah penelitian terdiri dari gamping terkarstifikasi baik, gamping terkarstifikasi sedang dan batuan napal. Batuan gamping terkarstifikasi baik memiliki topografi berbukit dan diterbentuk beberapa dolin dan sinkhole. Batuan gamping terkarstifikasi sedang memiliki topografi yang relatif datar, sedangkan batuan napal memiliki topografi datar.

Zona infiltrasi dibagi menjadi dua, yaitu zona infiltrasi utama dan zona infiltrasi yang lain. Zona infiltrasi utama terletak di kawasan berbatuan gamping yang terkarstifikasi baik. Hidrologi permukaan dan airtanah dihubungkan oleh intensifnya infiltrasi melalui kekar, retakan dan lubang hasil pelarutan seperti sinkhole (luweng). Klasifikasi tanah yang digunakan dalam metode APLIS adalah klasifikasi tanah dari Food and Agriculture Organization (FAO). Tanah pada wilayah penelitian terdiri dari Litosols, Cambisols, Distric Regosols, Calcareous Regosols dan Vertisols.

Ketinggian wilayah penelitian berkisar antara 0 mdpal sampai dengan 600 mdpal. Wilayah terendah terletak di pantai selatan Kecamatan Saptosari, sedangkan wilayah tertinggi terletak di bagian tengah. Kemiringan lereng pada wilayah penelitian berkisar antara 0% sampai dengan 46%. Cekungan Wonosari didominasi dengan kemiringan 0%-8% yang berarti memiliki topografi yang datar, sedangkan perbukitan karst di bagian selatan memiliki kemiringan lereng dominan 8%-16% pada bukit-bukit karst dan 0%-3% pada dolin. Wilayah dengan kemiringan rendah akan memiliki kemampuan infiltrasi yang lebih besar karena air bergerak dengan lambat sehingga semakin banyak air yang dapat meresap menjadi airtanah.

Hasil analisis tumpangsusun menunjukkan bahwa nilai imbuhan airtanah di wilayah penelitian adalah antara 20% sampai dengan 80%. Nilai ini menunjukkan imbuhan airtanah pada wilayah penelitian adalah antara 20%-80% dari total hujan efektif yang terjadi.

(2/2; selesai)

DETEKSI GARIS PANTAI DENGAN PENGINDERAAN JAUH

Pantai merupakan lingkungan yang unik dimana atmosfir, litosfer, dan hidrosfer saling kontak. Garis pantai merupakan fitur linear penting diatas permukaan bumi. Informasi mengenai fitur linier ini sangatlah mudah didapatkan dengan metode analisis yang dikembangkan dalam pengolahan citra satelit. Satelit menjadi alat yang sangat memudahkan dalam berbagai kegiatan untuk mendeteksi dinamika garis pantai. Dengan didasarkan pada histogram thresholding, dan band rationing, pendekatan untuk deteksi garis pantai menggunakan salah satu citra LANDSAT sangat memungkinkan.

Dalam artikel ini akan diterangkan penggunaan LANDSAT TM atau ETM dalam mendeteksi garis pantai tersebut.

Karakteristik spektral LANDSAT TM dan ETM, lihat gambar :

Alur pendeteksian dapat dibaca dari flowchart berikut :

Thresholding mampu memisahkan antara tanah dan air, tetapi dalam beberapa kasus terdapat kekhususan, sehingga penggunaan rasio band 2 per band 4 dan rasio band 2 per band 5 yang masing-masing lebih dari satu, mampu menajamkan pendeteksian dalam beberapa kasus bias tersebut.

Hasil dari thresholding dan rasioning dikalikan sehingga akan menghasilkan citra raster binary yang cukup jelas menampilkan gambar garis pantai.

Untuk alasan-alasan lebih dalam seperti pemilihan penggunaan band, formulasi rasioning, silakan baca langsung dari sumber tulisan :

Coastline change detection using remote sensing oleh 1.A. A. Alesheikh, 2.A. Ghorbanali, 3.N. Nouri

1.Department of GIS Engineering, Khaje Nasir Toosi University of Technology, Tehran, Iran

2.Department of Geomatics Engineering, Khaje Nasir Toosi University of Technology, Tehran, Iran

3.Departmentof Environmental Engineering,Graduate School of the Environment and Energy,

Science and Research Campus, Islamic Azad University, Tehran, Iran

Pemodelan Spasial Untuk Penanganan Potensi Kebakaran Hutan

Indonesia merupakan salah satu negara dengan kepemilikan hutan yang sangat luas. Sebagai negara dengan luas hutan 93,92 juta ha pada tahun 2005 (data Departemen Kehutanan) tentu akan banyak menghadapi banyak permasalahan. Salah satu permasalahan yang muncul terhadap keberlangsungan keberadaan hutan adalah masalah kebakaran hutan. Kebakaran hutan merupakan masalah yang serius, karena selain dampak berkurangnya luasan hutan, dampak lain seperti polusi dan keberlangsungan lingkungan hidup yang ada di dalam hutan itu sendiri.

Dengan dampak yang ditimbulkan, tentu sangat penting tentang pengawasan terhadap daerah hot spot (titik api) di daerah hutan yang ada di Indonesia. Hanya saja, dengan hutan yang sangat luas mengakibatkan permasalahan dalam pengawasannya. Salah satu kegiatan yang populer dilakukan untuk pengawasan dengan sifat realtime, misal menggunakan data dari satelit NOAA ataupun MODIS. Hanya saja, dengan luasan sekian akan membutuhkan sumber daya yang sangat besar.

Salah satu solusi yang bisa digunakan adalah dengan pemodelan spasial untuk mengetahui tingkat potensi kerawanan hutan terhadap kebakaran hutan. Solusi ini bersifat preventif, dimana pada dasarnya dengan menggunakan pemodelan spasial diharapkan mampu memprediksi daerah dengan potensi kebakaran hutan yang tinggi, sehingga dapat mempersempit kawasan hutan yang perlu di-monitoring secara detail.

Pemodelan ini sendiri membutuhkan data indeks fuel type yang diekstraksi dari jenis tutupan vegetasinya, indeks elevasi, indeks kemiringan lereng, indeks aspek relief, dan indeks aksesibilitas dari jalan. Indeks fuel type digunakan untuk memperoleh tingkat potensi dari vegetasi untuk terbakar. Tingkat potensi ini dilihat dari jenis vegetasinya, dimana tiap jenis vegetasi tentu memiliki tingkat ketahanan yang berbeda-beda terhadap api. Untuk indeks elevasi, lereng, dan aspek relief diperoleh dari data DEM atau data ketinggian lainnya seperti kontur. Data-data ini juga digunakan karena dalam proses terjadinya kebakaran dipengaruhi oleh ketinggian dari suatu lokasi. Selain itu, dengan penggunaan indeks lereng dan aspek relief dapat untuk menggambarkan tingkat potensi persebaran dari kebakaran hutan jika sekiranya terjadi. Untuk indeks aksesibilitas lebih pada tingkat jangkauan untuk dilakukan tindakan penanggulangan kebakaran, dengan logika semakin jauh dari jalan maka proses penanganan kebakaran akan lebih sulit, sehingga akan memperbesar nilai koefisien untuk terjadinya kebakaran yang lebih lama.

Untuk penentuan nilai indeks tingkat potensi kebakaran dapat digambarkan dengan rumusan berikut :

CFRISK = FUI*4 + ASI*3 + SLI*2 +ACI + ELI

Keterangan :

CFRISK = potensi kebakaran hutan

FUI = indeks fuel type vegetasi

ASI = indeks aspek relief

SLI = indeks kemiringan lereng

ACI = indeks aksesibilitas

ELI = indeks ketinggian

Faktor yang mendapatkan nilai paling tinggi adalah indeks fuel type¸dimana kontribusi dari kemungkinan terjadinya kebakaran terhadap vegetasi tersebut paling mempengaruhi. Faktor kedua yang dipertimbangkan adalah faktor aspek relief, dengan alasan bahwa aspek relief menunjukkan posisi hadap terhadap cahaya matahari dari lokasi tersebut. Posisi terhadap cahaya matahari dipertimbangkan karena tentu akan mempengaruhi dari tingkat kekeringan vegetasi yang mempengaruhi dari potensi untuk terbakar.

Referensi :

Dun, Dehra. Forest Fire and Degradation Assessment Using Satellite Remote Sensing And Geographic Information System. Hyderabad, India : Indian Istitute of Remote Sensing (NRSA)

Pemanfatan Sistem Informasi Geografis (SIG) Untuk Pemetaan Imbuhan Airtanah dan Kerentanan Airtanah Di Kawasan Karst

Pemetaan imbuhan airtanah dan pemetaan kerentanan airtanah merupakan suatu langkah penting dalam zonasi kawasan karst. Secara umum, tujuan dari pemetaan imbuhan airtanah dan pemetaan kerentanan airtanah ialah untuk mengetahui sebaran spasial tingkat imbuhan airtanah dan tingkat kerentanan pencemaran airtanah suatu daerah, sebagai upaya pengelolaan kawasan karst itu sendiri. Menurut Keputusan Menteri Energi dan Sumber Daya Mineral Nomor 1456 K/20/MEM/2000, pengelolaan kawasan karst dapat diartikan sebagai suatu kegiatan yang mencakup inventarisasi, penyelidikan, pemanfaatan, serta perlindungan sumberdaya pada kawasan karst.

Zonasi kawasan karst akan menghasilkan suatu peta klasifikasi wilayah dalam tiga kelompok yaitu kawasan karst kelas I, II dan III. Kawasan karst kelas I merupakan kawasan yang berfungsi sebagai kawasan penyimpan air secara tetap dalam bentuk akuifer, sungai bawah tanah, telaga, atau danau bawah tanah; Kawasan yang memiliki gua-gua dan sungai-sungai bawah tanah yang aktif yang membentuk jaringan baik secara horisontal ataupun vertikal; Kawasan yang memiliki gua-gua dengan speleothem (ornamen-ornamen gua) yang aktif; atau Kawasan yang memiliki flora dan fauna khas yang memenuhi arti dan fungsi sosial, ekonomi, budaya serta pengembangan ilmu pengetahuan. Disebut sebagai Kawasan Karst Kelas II ketika Kawasan tersebut berfungsi sebagai pengimbuh air bawah tanah yang berupa daerah tangkapan air hujan yang mempengaruhi naik turunnya permukaan air bawah tanah kawasan karst sehingga secara umum masih mendukung fungsi hidrologis kawasan karst; atau Kawasan yang berfungsi sebagai jaringan lorong-lorong bawah tanah hasil bentukan sungai dan gua yang sudah kering, serta menjadi tempat tinggal yang tetap bagi fauna yang semuanya dapat memberi nilai dan manfaat ekonomi. Kawasan karst kelas III merupakan kawasan yang tidak memiliki kriteria pada kawasan karst kelas I dan II.

Metode analisis yang dapat digunakan dalam pemetaan imbuhan airtanah dan pemetaan kerentanan airtanah ialah metode APLIS, yang meliputi ; altitud (ketinggian), pendiente (kemiringan lereng), litologia (litologi), infiltraction preferencial (zona infiltrasi), dan suelo (tanah). Setiap variabel dikelaskan, kemudian dilakukan scoring (pemberian skor) berdasarkan tingkat pengaruh variable tersebut terhadap besarnya imbuhan airtanah. Hasil skoring kemudian ditumpangsusunkan (overlay) dengan menggunakan sistem informasi geografis (SIG). Tumpangsusun dilakukan dengan menggunakan rumus:

R = (A+P+3L+2I+S) / 0,9 (Andreo dkk, 2008)

R = Imbuhan airtanah dalam persen A = Ketinggian

P = kemiringan Lereng L = Litologi

I = Zona Infiltrasi S = Tanah

Analisis yang dapat dilakukan antara tingkat imbuhan airtanah dengan tingkat kerentanan airtanah ialah berbanding lurus, dimana ketika tingkat ibuhan airtanah tinggi pada suatu wilayah maka akan menyebabkan tingkat kerentanan airtanah yang tinggi pula. Hal ini dikarenakan semakin banyak pula air yang masuk ke dalam sistem airtanah, sehingga menyebabkan semakin besar pula peluang masukknya polutan atau kontaminan ke dalam sistem airtanah.

(1/2)

Referensi

Andreo, B., Vías, J., Durán, J.J., Jiménez, P., López-Geta, P. A., dan Carrasco, F. 2008. Methodology for Groundwater Recharge Assessment in Carbonate Aquifers: Application to Pilot Sites in Southern Spain. Hydrogeology Journal, 16. 911–925.

Cahyadi, Ahmad dan Fedhi A.H. 2011. Pemanfatan Sistem Informasi Geografis (SIG) Untuk Pemetaan Imbuhan Airtanah Dan Kerentanan Airtanah Di Kawasan Karst (Studi Kasus Di Kecamatan Paliyan Dan Kecamatan Saptosari, Kabupaten Gunungkidul). Yogyakarta: Prosiding SNATI UII.