Aplikasi Lidar Untuk Perkebunan Sawit
Aplikasi Lidar Untuk Perkebunan Sawit
Aplikasi Lidar Untuk Perkebunan Sawit
PENDAHULUAN
1.1
Latar Belakang
Penggunaan teknologi penginderaan jauh kini semakin berkembang sangat pesat dari
waktu ke waktu, hal ini ditunjukan oleh aplikasi penggunaan teknologi penginderaan
jauh yang semakin meluas, baik dari segi pengembangan dalam cara pengambilan
data maupun pengolahan dan analisis hasil data tersebut (BC-Carrms, 2006).
Penginderaan jauh sebagai metode untuk memperoleh informasi tentang suatu objek,
daerah atau fenomena melalui analisis data yang diperoleh dengan suatu alat tanpa
kontak langsung dengan objek, daerah, atau fenomena yang dikaji dapat menawarkan
proses pengukuran dan inventarisasi secara cepat dan akurat bahkan untuk daerah
yang relatif luas (Lillesand & Kiefer 1979). Salah satu teknologi penginderaan jauh
yang tengah berkembang sangat pesat ialah LiDAR (Light Detection and Ranging).
LiDAR telah banyak dimanfaatkan untuk pemetaan skala besar. Peta tersebut bisa
dioptimalisasikan untuk perencanaan tata letak kota, pembangunan sarana
infrastruktur, penentuan zonasi wilayah banjir dan zonasi wilayah bencana dengan
menganalisis kondisi elevasi di daerah tersebut apakah ekstrem sehingga berpotensi
longsor. Data LiDAR juga dapat dimanfaatkan untuk melakukan pemodelan 3D pada
pemetaan jalur rel kereta api atau jaringan listrik tegangan tinggi dan ekstra tinggi
khususnya untuk evaluasi dan perhitungan kabel. Sedangkan dalam bidang
kehutanan, pemetaan dengan LiDAR dapat digunakan untuk evaluasi parameter
struktural vegetasi hutan untuk dianalisis baik secara volumetrik ataupun untuk
analisis kandungan lainnya seperti biomassa, stok karbon serta analisis aliran air
untuk mengidentifikasi tutupan lahan pembagian wilayah dan tipe hutan (BC Carms,
2006). Namun pada kenyataannya, aplikasi LiDAR untuk manajemen hutan dan
analisis kehutanan lebih lanjut masih jarang dilakukan di Indonesia. Di Indonesia,
LiDAR lebih sering digunakan untuk keperluan rona awal tambang atau pemantauan
lahan topografi suatu wilayah tambang (Comarthy, 2012). Padahal pemanfaatan
LiDAR untuk kehutanan akan memberikan hasil data yang detail dan sangat teliti
1
yang berguna untuk kegiatan inventarisasi pohon-pohon baik secara kelompok atau
individu per pohon untuk pengukuran parameter vegetasi structural pohon seperti
tinggi pohon, lebar kanopi pohon untuk pemonitoran perkembangan pohon tersebut
(Lewis & Hancock, 2007).
Indonesia sebagai salah satu penghasil minyak sawit terbesar di dunia memiliki area
kelapa sawit diperkirakan seluas 8,4 juta hektar pada tahun 2012. Produksi minyak
sawit di Indonesia mencapai 24 juta ton dan 60% dari hasil produksi tersebut telah
diekspor ke negara lain, (Laporan World Growth, 2011). Karena pohon kelapa sawit
telah menjadi salah satu komoditi terbesar di Indonesa, maka perlu dikembangkan
suatu metode yang efektif dan efisien untuk dapat memberikan informasi detail untuk
manajemen perkebunan seperti kelapa sawit. Salah satunya ialah mengestimasikan
jumlah pohon kelapa sawit secara otomatis. Hasil yang didapat selain jumlah pohon
pada sebaran area tertentu didapat pula data morfologi setiap individu kelapa sawit
tersebut seperti tinggi dan lebar kanopi pohon kelapa sawit.
Maka dari itu, dalam karya ilmiah ini akan dikaji mengenai salah satu aplikasi
LiDAR dalam bidang kehutanan atau perkebunan yakni menghitung jumlah pohon
kelapa sawit secara otomatis dalam suatu area menggunakan data LiDAR. Dengan
adanya penelitian ini diharapkan dapat memberikan informasi mengenai metode
perhitungan jumlah pohon kelapa sawit yang efektif dan efisien menggunakan data
LiDAR serta dapat dijadikan sebagai masukan untuk pemanfaatan teknologi
penginderaan jauh khususnya LiDAR dalam upaya-upaya manajemen dan
pelestarian hutan di Indonesia.
1.2
Tujuan
1.3
Ruang Lingkup
1.4
Metodologi
Metodologi yang dilakukan dalam penelitian ini melalui beberapa tahap, seperti yang
digambarkan oleh diagram pada gambar 1.1 di bawah ini:
LIDAR DATA
(ORTHOPHOTO
)
LIDAR
DATA
(POINT
CLOUD)
LITERATURE STUDY
POINT CLOUDS
CLASIFICATION
GROUND
POINTS
LOW
VEGETATION
HIGH
VEGETATION
MEDIUM
VEGETATION
INDIVIDUAL TREE
DETECTION
HEIGHT
STATISTIC
INTERPOLATION
DIGITAL
TERAIN
MODEL
(DTM)
DIGITAL
SURFACE
MODEL
(DSM)
TREE
SHAPE
SAMPLE
INPUT
PARAMETER
SAMPLE TREE
MODELLING
RASTERISATION
(DSM-DTM)
CANOPY
HEIGHT
MODEL
(CHM)
MANUAL
INDIVIDUAL TREE
DETECTION
(SAMPLE AREA)
INDIVIDUAL
TREE
POLIGON OF
SAMPLE AREA
HEIGHT
STATISTIC
INDIVIDUAL TREE
DETECTION
VALIDATION
INDIVIDUAL
TREE
POLIGON
JUMLAH
POLIGON
INDIVIDU POHON
(TINGGI & LEBAR
KANOPI)
difilter dan dikelompokan sesuai kebutuhan. Tahap ini terbagi menjadi dua tahap
yakni semi-automatic classification dan manual classification. Point clouds akan
terbagi menjadi empat kelas yakni ground points, low vegetatiton, medium
vegetation dan high vegetation. Proses tersebut menggunakan bantuan orthofoto true
colour.
Kemudian kelas point clouds tersebut akan diolah dan diinterpolasi untuk
memperoleh raster dua dimensi dari DTM dan DSM. Rasterisasi merupakan metode
untuk mendapatkan nilai pikselnya yang dapat menggambarkan ketinggian titik
tersebut. Point cloud pada kelas ground akan diolah menjadi DTM dan point cloud
pada kelas high vegetation pada point highest hit Z akan diolah menjadi DSM.
Setelah itu dilakukan proses pengurangan nilai piksel pada raste antara DSM dan
DTM, sehingga diperoleh Canopy Height Model (CHM) yakni perbedaan tinggi
antara permukaan kanopi pohon dan permukaan tanah, yaitu ketinggian pohon.
Hasil statistik berupa sebaran ketinggian pohon tersebut dapat digunakan sebagai
parameter untuk melakukan pendeteksian dan perhitungan jumlah kelapa sawit.
Pendeteksian tersebut akan dilakukan dalam software Terrasolid secara otomatis
menggunakan suatu pemodelan bentuk kelapa sawit. Hasil pendeteksian pohon
secara otomatis tersebut akan divalidasi dengan beberapa tahap.
Berdasarkan hasil studi dari penelitian ini, akan dilakukan analisis dari segi data yang
digunakan, proses pengolahan data hingga hasil yang diperoleh. Analisis ini
dilakukan untuk mengetahui efektifitas penggunaan data LiDAR dalam bidang
perkebunan dan juga metodologi yang digunakan hingga diperoleh kesimpulan hasil
studi.
1.5
Sistematika Penulisan
BAB 1 PENDAHULUAN
Pada bab ini menjelaskan tentang latar belakang, tujuan, ruang lingkup kajian,
metodologi penelitian dan sistematika penulisan yang digunakan dalam penelitian
tugas akhir ini.
BAB 4 ANALISIS
Dalam bab ini akan disajikan analisis terhadap data dan hasil seluruh tahapan studi
yang telah dilakukan.