Pemanfaatan citra Landsat 7 ETM+ untuk pendataan PBB sektor perkebunan, perhutanan dan pertambangan di Kabupaten Donggala Sulawesi Tengah

PETERSON, Ronald, Dr. Catur Aries Rokhmana, S.T., M.T

2008 | Tesis | S2 Teknik Geomatika

Untuk memenuhi target penerimaan negara dari PBB sektor perkebunan, perhutanan dan pertambangan (P3) dibutuhkan intensifikasi dan ekstensifikasi perpajakan sebagaimana juga dilaksanakan di KPPBB Palu yang salah satu wilayah kerjanya adalah Kab. Donggala. Di Kab. ini sarana pendukung berupa peta untuk sektor P3 PBB belum ada, sehingga perlu dilakukan pendataan. Meski demikian, mengingat karakteristik sektor P3 yang luas dengan lokasi yang sulit dijangkau maka dari sisi waktu pelaksanaan hal ini sulit dilakukan apabila menggunakan metode terestris. Alternatif untuk membantu mengatasi masalah ini ditawarkan oleh Citra Landsat 7 ETM+. Untuk itu perlu diteliti informasi apa saja yang dapat diberikan oleh citra Landsat 7 ETM+ yang dapat digunakan bagi kepentingan pendataan PBB sektor P3. Hasil penelitian ini diharapkan dapat menjadi masukan bagi pihak KPPBB. Sektor P3 PBB yang diteliti adalah sektor kehutanan (HPH) dan sektor perkebunan (kelapa sawit). Pengolahan citra dilakukan secara terkontrol dengan algoritma maximum likekihood. Pelaksanaannya mengikuti skema klasifikasi yang terdiri atas tiga tahap. Tahap I dilakukan untuk mengekstraksi kelas penutup lahan air, vegetasi dan tanah. Berbagai kondisi yang ditemui pada proses pengolahan citra, terutama akibat pengaruh awan/bayangan menyebabkan klasifikasi tahap II hanya dapat dilakukan untuk mendetilkan kelas vegetasi sesuai tujuan penelitian. Adapun kelas-kelas tersebut adalah kelas vegetasi non hutan dan kelas vegetasi hutan. Klasifikasi tahap III membagi kelas vegetasi non hutan menjadi kelas sawit dan non sawit (kebun lainnya, sawah, dsb). Untuk memenuhi kebutuhan PBB maka seluruh hasil klasifikasi diubah ke format vektor, namun sebelumnya dilakukan proses majority analysis. Akurasi hasil klasifikasi pada ketiga tahapan ini dievaluasi dengan menggunakan parameter overall akurasi dan koefisien Kappa. Kriteria yang diberikan cukup memadai yaitu 85% untuk overall accuracy dan 0,75 untuk koefisien Kappa. Hasil pengujian akurasi klasifikasi tahap I diperoleh overall accuracy > 89% dengan nilai koefisien Kappa > 0,85, sedangkan dari pengujian klasifikasi tahap II overall accuracy yang diperoleh > 97% dan nilai koefisien Kappa > 0,94%. Untuk overall accuracy klasifikasi tahap III adalah > 92,3% dengan nilai koefisien Kappa > 0,83%. Peningkatan akurasi hasil klasifikasi juga diperoleh setelah dilakukan proses majority analisis. Peningkatan overall accuracy yang diperoleh berkisar antara 0,0271 – 3,0701% sedangkan peningkatan nilai koefisien Kappa berkisar antara 0,0005 – 0,0805. Hasil akhir penelitian menunjukan bahwa untuk sektor perhutanan dan perkebunan kelas-kelas yang dapat dimanfaatkan untuk keperluan pendataan PBB di Kab. Donggala berdasarkan hasil evaluasi adalah kelas tanah (7.402.500 m2), air (8.711.300 m2), vegetasi hutan (643.246.200 m2), vegetasi non hutan/non sawit (66.086.100 m2) dan sawit (3.928.500 m2). Kelas-kelas lainnya seperti kelas sungai, log ponds, emplasemen, bangunan, jalan dan kelas area lainnya tidak dapat diperoleh dari citra Landsat 7 ETM+.

In order to fulfil the target of national revenue from land and building tax sector, especially farming, forestry and mining (perkebunan, perhutanan dan pertambangan, P3), tax intensification and extensification are required. This program has been conducted by the office of land and building tax of Palu, particularly in one of its districts: Donggala. Map (spatial data) of Donggala, as one of the important supporting tools, has not yet been available. This, therefore, needs surveys to collect required data. However, terrestrial survey seems to be infeasible, considering that the characteristics of P3 are large in area and also geographically difficult to reach. Alternatively, the use of Landsat 7 ETM+ images may offer solution. This motivates a research to investigate types of information than can be extracted from Landsat 7 ETM+ and the usability in identifying P3 area. This result is expected to be used as relevant input/suggestion for the office of land and building tax. The P3 area investigated was forestry (Forest Exploitation Rights) and farming (oil palm). Image processing was done with supervised classification using maximum likelihood algorithm, which consisted of three steps. The first step was to extract three land cover classes, resulting water, vegetation, and soil. Considering that the image used was cloudy, the second step can only identify vegetation. The vegetation was classified into non-forest and forest classes. In the third step the class of non-forest vegetation was then classified into oil palm and non oil palm (other farming, rice field, etc.). In order to satisfy the need of land and building tax, all classification results were converted into vector format after a majority analysis process. The accuracy of all classification results were evaluated using parameter of overall accuracy and Kappa coefficient. It gave considerably adequate results: 85% for overall accuracy and 0.75 for Kappa coefficient. The overall accuracy of the classification resulted in step one was > 89% with Kappa coefficient of > 0.85. For the second step, the overall accuracy was > 97% with Kappa coefficient of > 0.94%. Meanwhile, the overall accuracy of classification in step three was > 92.3% with Kappa coefficient of > 0.83. The enhancement of accuracy was also obtained after the majority analysis process. It was within the range of 0.0271 – 3.0701%, while the enhancement of Kappa coefficient was within the range of 0.0005 – 0.0805. The final result shows that for forestry and farming sectors, classes that can be used for the need of land and building tax of Donggala District are soil (7,402,500 m2), water (8,711,300 m2), forest vegetation (643,246,200 m2), non-forest vegetation (66,086,100 m2) and oil palm (3,928,500 m2). Other classes such as rivers, log ponds, emplacement, buildings, roads and others cannot be obtained from Landsat 7 ETM+ images.

Kata Kunci : Pendataan PBB Sektor P3, Kab. Donggala, maximum likelihood, akurasi, Identification of P3 sector of land and building tax, Donggala District, accuracy