ANALISA DISTRIBUSI KEPADATAN PENDUDUK …digilib.its.ac.id/public/ITS-paper-40191-3510100019-Presentation.pdfdengan . urban area, tutupan lahan, unit hunian, karakteristik spektral,
Post on 14-Aug-2019
218 Views
Preview:
Transcript
ANALISA DISTRIBUSI KEPADATAN PENDUDUK BERDASARKAN ANALISA SPEKTRAL MENGGUNAKAN
CITRA LANDSAT 8 (STUDI KASUS: KOTA KEDIRI)
Oleh : Fahrurrozi Pembimbing : Yanto Budisusanto
Jurusan Teknik Geomatika Fakultas Teknik Sipil dan Perencanaan Institut Teknologi Sepuluh Nopember
Kampus ITS Sukolilo, Surabaya 60111 Indonesia
Jumlah Penduduk Luas Wilayah
Kepadatan Penduduk (Pupulation Density)
Remote Sensing
Pemodelan Statistik
Dalam remote sensing, pemodelan hubungan kependudukan bisa dilakukan dengan urban area, tutupan lahan, unit hunian, karakteristik spektral, dan karakteristik fisik atau sosial-ekonomi
Mahal, Lama, Sulit updating (Li &Weng, 2005)
Alternatif
• Citra satelit yang digunakan dalam penelitian pemetaan kepadatan penduduk adalah citra Landsat 8 dan data jumlah penduduk yang digunakan adalah data kependudukan dari Dinas Kependudukan dan Pencatatan Sipil Kota Kediri tahun 2013
• Batas dan luas area studi diperoleh dari batas administrasi Peta Rupa Bumi Indonesia
• Pemaparan kepadatan penduduk dalam kajian hanya mencakup kawasan Kota Kediri
• Uji statistik tidak dilakukan untuk menguji model regresi, pengujian hanya dilakukan pada tingkat akurasi model
• Analisa distribusi kepadatan penduduk terhadap hasil bentuk hubungan yang terjadi pada proses analisa regresi
• Untuk mengetahui hubungan variabel-variabel yang diperoleh dari Citra Landsat 8 dan kepadatan penduduk
• Untuk mengetahui pola distribusi kepadatan penduduk di Kota Kediri berdasarkan analisis regresi dari Citra Landsat 8
• Memberikan informasi mengenai distribusi kepadatan penduduk di kawasan Kota Kediri
• Sebagai landasan penelitian selanjutnya yang terkait dengan pemetaan kependudukan menggunakan penginderaan jauh
• Sebagai bahan pertimbangan dalam perencanaan dan pengembangan wilayah Kota Kediri
• Data spasial : Citra Landsat 8 tahun 2013, Peta Rupa Bumi Indonesia (RBI) Lembar 1508-313 dan Lembar 1508-224
• Data non-spasial : data jumlah penduduk Kota Kediri yang diperoleh dari Dinas Kependudukan dan Pencatatan Sipil Kota Kediri
Citra Landsat 8 Tahun 2013
Koreksi Geometrik
RMSE ≤ 1 piksel
Tidak
Koreksi Radiometrik Ya
Citra Terkoreksi
Pemotongan Citra
Kombinasi Band (RGB=764)
Klasifikasi Citra Akurasi ≥ 85%
Tidak
Citra Terklasifikasi
Export to SHP Proses Kartografi Peta Tutupan
Lahan Kota Kediri Tahun 2013
Transformasi Citra SAVI, RDVI,
TNDVI, RVI, SVI
Citra Terklasifikasi (format SHP)
Luas Permukiman
Per Kelurahan
Perhitungan Luas Permukiman Tiap
Kelurahan
SAVI, RDVI, TNDVI, RVI, SVI
Band Multispektral
Perhitungan Rata-rata Piksel Tiap Kelurahan
Tabulasi Variabel Bebas
Data Spasial Peta RBI
Digitasi
Export to SHP
Jumlah Penduduk Kota
Kediri Tahun 2013
Luas Kelurahan
Perhitungan Kepadatan Penduduk (PD) dan Square Root Population Density (SPD)
Tabulasi Variabel Terikat Eksplorasi Data
Eksplorasi Data Pembentukan Model Regresi
Model Terbaik
Estimasi Kepadatan Penduduk
Tabulasi Hasil Peta Distribusi Kepadatan Penduduk
Kota Kediri Tahun 2013
Analisis
Tidak
Ya
• Koreksi Geometrik menggunakan 15 titik GCP yang tersebar pada seluruh area penelitian
• Citra yang dikoreksi geomatrik menghasilkan root mean square error (RMSE) secara keseluruhan kurang dari satu piksel, yaitu sebesar 0.414. Hasil ini dianggap cukup baik mewakili geometri sebenarnya di lapangan.
• Dari 15 titik GCP, kesalahan RMS terbesar berada pada titik 11, yaitu sebesar 0.754 dengan kesalahan X sebesar -0.753 dan kesalahan Y sebesar 0.026
Koordinat Raw Data Koordinat Referensi Error X Error Y RMS
X Y X Y
5411.220 5905.330 610492.474 9139503.878 0.438 -0.067 0.443
5440.670 5940.110 611363.528 9138478.402 -0.079 0.109 0.135
5497.880 5977.130 613094.093 9137358.624 0.605 0.234 0.648
5414.910 5945.550 610600.043 9138274.806 -0.418 -0.063 0.423
5451.640 5930.730 611694.371 9138732.897 -0.096 -0.017 0.097
5488.910 6001.550 612865.048 9136595.139 0.048 -0.384 0.387
5507.090 6031.820 613374.038 9135755.306 -0.345 -0.068 0.351
5493.730 6016.180 612992.295 9136187.947 -0.246 -0.109 0.269
5426.910 6016.640 610956.336 9136162.497 0.143 0.632 0.648
5513.670 6059.780 613526.735 9134864.573 0.012 0.008 0.014
5516.330 6079.110 613653.982 9134330.134 -0.753 0.026 0.754
5512.780 6135.220 613552.184 9132599.568 0.285 0.141 0.318
5626.890 6108.440 616936.967 9133388.502 0.222 -0.073 0.234
5389.500 6066.610 609862.007 9134660.977 0.362 -0.311 0.477
5346.750 5968.000 608564.083 9137638.568 -0.179 -0.060 0.189
• Tutupan lahan yang diperoleh diuji dengan menggunakan confusion matrix. Hasil pengujian secara keseluruhan menghasilkan akurasi klasifikasi (overall accuracy) sebesar 0.862 atau 86.207 persen. Hasil ini menunjukkan klasifikasi sudah cukup baik karena melebihi 85 persen secara keseluruhan ( Anderson, 1971 dalam Anderson, et al., 1976). Koefisien kappa yang diperoleh sebesar 0.8125. Nilai ini dianggap sudah cukup baik karena sudah melebihi 0.75 (Mather, 2004).
• Uji Lapangan dilakukan dengan memilih secara acak di lapangan untuk masing-masing kelas, hasilnya menunjukkan kelas tutupan lahan sesuai dengan hasil klasifikasi tutupan lahan
(607292.900 ; 9136340.470)
(609145.421; 9135374.788)
(613472.830; 9134420.306)
(612363.619; 9135874.023)
(610867.098; 9138103.876)
Variabel Bebas Koefisien Korelasi Pearson
PD SPD
Band 1 (B1) 0.504 0.527
Band 2 (B2) 0.477 0.499
Band 3 (B3) 0.292 0.310
Band 4 (B4) 0.474 0.503
Band 5 (B5) -0.789 -0.830
Band 6 (B6) -0.015 -0.006
Band 7 (B7) 0.600 0.640
Band 9 (B8) -0.188 -0.199
Band 10 (B10) 0.036 0.076
Band 11 (B11) 0.671 0.716
Variabel Bebas Koefisien Korelasi Pearson
PD SPD
SAVI -0.79 -0.83
RDVI -0.79 -0.83
TNDVI -0.79 -0.82
SVI -0.80 -0.84
RVI 0.07 0.05
Permukiman
(P) 0.79 0.84
Susunan Variabel Bebas (X) Koefisien Determinasi
(R2)
X1 X2 X3 X4 X5 X6 X7 X8 X9 PD SPD
B1 B2 B3 B4 B5 B6 B7 B9 - 0.701 0.769
B1 B2 B3 B4 B5 B6 B7 B9 P 0.722 0.788
B1 B5 B7 B11 - - - - - 0.676 0.753
B1 B5 B7 B11 P - - - - 0.697 0.772
Susunan Variabel Bebas (X) Koefisien Determinasi
(R2)
X1 X2 X3 X4 X5 X6 PD SPD
SAVI RDVI TNDVI SVI RVI - 0.638 0.709
SAVI RDVI TNDVI SVI RVI P 0.705 0.776
RDVI SAVI SVI - - - 0.632 0.703
RDVI SAVI SVI P - - 0.696 0.769
SVI SAVI P - - - 0.696 0.769
Susunan Variabel Bebas (X) (R2)
X1 X2 X3 X4 X5 X6 X7 X8 PD SPD
B1 B5 B11 RDVI SVI - - - 0.705 0.766
B1 B5 B11 RDVI SVI P - - 0.729 0.787
B1 B5 B11 SVI SAVI - - - 0.705 0.766
B1 B5 B11 SVI SAVI P - - 0.728 0.786
B1 B2 B5 B7 SVI B11 SAVI - 0.725 0.786
B1 B2 B5 B7 SVI B11 SAVI P 0.737 0.795
B1 B2 B5 B7 SVI B11 RDVI - 0.727 0.788
B1 B2 B5 B7 SVI B11 RDVI P 0.739 0.797
PD R2 MAPE
PD = -36501.325 + 362410.176*B1 - 324421.961*B5 + 1066.959*B11 - 312479.871*RDVI + 786964.923*SVI + 113.471*P
0.729 26.412
PD = -77742.233 +1721237.510*B1 -1374561.832*B2 -203681.347*B5 +5690.459*B7 +1386.186*B11 +747509.958*SVI -342265.982*SAVI +85690*P
0.737 25.335
PD = -76528.833 +1796267.934*B1 -1445501.890*B2 -200105.162*B5 +3264.648*B7 +1315.369*B11 +671713.750*SVI -316735.020*RDVI +86.821*P
0.739 25.003
SPD
SPD = -396.893 +10646.145*B1 -9012.483*B2 -736.457*B5 +43.526*B7
+7.167*B11 +2551.352*SVI -1280.294*RDVI +0.471*P 0.797 23.257
SPD = -399.878 +10319.020*B1 -8721.852*B2 -723.169*B5 +50.823*B7 +7.378*B11 +2753.939*SVI -1337.996*SAVI +0.465*P
0.795 23.267
SPD = -654.710 +13808.804*B1 -12150.983*B2 -667.486*B5 +133.724*B7 +14.369*B11 +2217.378*SVI -1165.315*RDVI
0.788 23.815
SPD = -143.180 + 5700.530*B1 - 2558.212*B2 - 2240.102*B3 + 13.259*B4 - 390.471*B5 + 803.666*B6 - 642.851*B7 - 2943.310*B9 + 0.558*P
0.788 23.728
Source of Variation Sum of
Squares
Degree of
Freedom
Mean
Square F Sig.
1 Regression 19048.150 8 2381.019 18.163 0.000
Residual 4850.352 37 131.091
Total 23898.502 45
-6000
-4000
-2000
0
2000
4000
6000
8000
10000
1 2 3 4 5 6 7 8 9 10111213141516171819202122232425262728293031323334353637383940414243444546
Res
idu
al
Desa
MODEL 4
• Hasil Estimasi Kepadatan Penduduk (PD)
• Distribusi Kepadatan Penduduk di Lapangan
0
5000
10000
15000
20000
25000
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45
Kelurahan
0
5000
10000
15000
1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46
Kelurahan
• Pola distribusi yang diperoleh dari hasil prediksi model regresi kepadatan penduduk menunjukkan pola yang mirip dengan yang sebenarnya, dimana kelurahan-kelurahan yang lebih padat umumnya berada di Kecamatan Kota denga Kelurahan Jagalan sebagai kelurahan terpadat dan kelurahan Gayam dengan kepadatan paling rendah
• Koefisien korelasi Pearson menunjukkan hubungan yang sangat kuat antara variabel indeks vegetasi (SAVI, RDVI, TNDVI) dan luas permukiman tiap area (kelurahan) dengan kepadatan penduduk, sedangkan dari variabel multispektral hanya Band 5 yang menunjukkan hubungan yang sangat kuat dengan kepadatan penduduk
• Persamaan regresi terbaik diperoleh dari persamaan regresi dengan kombinasi 8 variabel bebas yang terdiri dari 4 band multispektral (band 1, band 2, band 5, dan band 7), band thermal, 2 indeks vegetasi (SVI dan RDVI), dan luas area permukiman,
• Variabel spektral dari Landsat 8 masih membutuhkan faktor lain dalam membentuk model kepadatan penduduk, meskipun digunakan pula variabel spasial permukiman (settlement) pengaruh yang dihasilkan tidak melebihi 80 persen.
• Diperlukan penelitian lebih lanjut untuk membentuk model yang lebih baik untuk kepadatan penduduk berdasarkan penginderaan jauh karena masih terdapat faktor lain yang masih berpengaruh,
• Dalam penerapan masih diperlukan uji statistik, sehingga dapat memenuhi kriteria statistik model regresi,
• Penelitian terkait Landsat 8 untuk pemetaan kependudukan perlu ditingkatkan karena pemetaan kependudukan dengan Landsat 8 belum pernah dilakukan sebelumnya,
Thank You
top related