kebakaran hutan

PENGEMBANGAN SISTEM MONITORING HOTSPOT (KEBAKARAN
HUTAN) MENGGUNAKAN DATA SATELIT NOAA/AVHRR HRPT
BERBASIS WEB-GIS
Raditya Pratama Nugraha
Teknik Komputer, Fakultas Teknik, Universitas Indonesia
[email protected]
Abstrak
Posisi geografis Indonesia yang terletak di antara 2 benua dan samudra sesungguhnya selain strategis, juga
menyimpan risiko besar mengalami berbagai bencana. Perubahan iklim dan kerawanan lokasinya yang
dikelilingi lempeng dan patahan-patahan geologis di kerak Bumi mengakibatkan Indonesia menjadi wilayah
rawan gempa Bumi dan deformasi tanah/longsor. Selain itu kebakaran hutan, banjir, pembalakan liar,
degradasi lahan pertanian, polusi air dan udara, pencurian ikan oleh kapal-kapal asing, gunung meletus,
hingga bergesernya garis pantai dan batas negara, menjadi masalah krusial untuk dipecahkan. Untuk
mencari solusi yang paling menyeluruh, diperlukan data spasial yang dapat memantau Bumi Indonesia
melalui satelit Penginderaan Jauh (PJ).
Salah satu hal yang dapat dideteksi dengan penginderaan jauh adalah terjadinya kebakaran hutan. Dengan
penginderaan jauh, lokasi terjadinya kebakaran akan terdeteksi sebagai hotspot. Dalam penelitian ini data
hotspot didapatkan dengan menerapkan algoritma yang digunakan oleh Z. Li (CCRS). Algoritma ini
mendeteksi hotspot dari data satelit NOAA/AVHRR dengan menggunakan nilai suhu kecerahan pada kanal
3, 4 dan 5 dan nilai reflektansi pada kanal 2 untuk mengenali piksel potensial hotspot. Data yang digunakan
dalam penelitian ini adalah data dari sistem penerimaan data HRPT satelit NOAA dan data yang diambil
dari internet.
Setelah data hotspot didapatkan, data tersebut akan ditampilkan dalam web-GIS beserta data yang lain
seperti garis pantai, garis lintang dan bujur dan data citra satelit NOAA. Dari hasil data hotspot yang
didapatkan, pada musim kemarau terdapat banyak hotspot dan pada musim penghujan hanya terdapat
sedikit hotspot.
Kata Kunci : penginderaan jauh, hotspot, NOAA, HRPT, Web-GIS
Web-GIS based Hotspot Monitoring System Development Using NOAA/AVHRR HRPT
Satellite Data
Abstract
Indonesia’s geographic position which is located between two continent and two ocean, although strategic, it
also contain big risk of disaster happening. Climate changes and its insecure position which is surrounded by
earth’s plates and geological fracture on earth’s crust results in Indonesia becoming an area which is prone to
earthquake and land deformation. Furthermore, forest fire, flood, illegal logging, farm land degradation,
water and air polution, fish theft by foreign ship,volcanoes, and the shift of coastline and country border,
becomes a crucial problem to be solved. To find a comprehensive solution, spatial data is needed to monitor
Indonesia by using remote sensing satellite.
Pengembangan Sistem Monitoring..., Raditya Pratama Nugraha, FT UI, 2014
One of the things that can be detected by remote sensing is forest fire. With remote sensing, the place where
forest fire occurs will be detected as hotspot. In this research, hotspot data is obtained by using the algorithm
used by Z. Li (CCRS). This algorithm detects hotspot from NOAA/AVHRR satellite data by using brightness
temperature value of channel 3, 4 and 5, and reflectance value of channel 2 to recognize hotspot potential
pixel. Data used in this research is obtained from NOAA satellite HRPT data capture system and data
obtained from internet.
After hotspot data is obtained, the data will be displayed in web-GIS along with other data like coastline,
graticules, and NOAA satellite image. From the obtained hotspot data, it is found that on dry season there ara
many hotspots and on rainy season there are only a few hotspots.
Keywords: remote sensing, hotspot, NOAA, HRPT, web-GIS
1. PENDAHULUAN
Kebakaran hutan di Indonesia bukanlah hal yang baru. Penjelajah di pulau kalimantan di abad ke
15 melaporkan kebakaran hutan dan laporan tersebut terus ada hingga abad ke 20. Kebakaran
pada tipe vegetasi asia tenggara terhubung erat dengan dengan efek perubahan iklim dan
keterlibatan manusia. [1] Kebakaran terjadi di Indonesia setiap tahunnya saat perusahaan besar
atau individu membuka lahan untuk ditanam tumbuh-tumbuhan.
Terjadinya kebakaran hutan dapat dideteksi dengan penginderaan jauh. Satelit dengan
sensor radiometer dapat merekam indikasi terjadinya kebakaran seperti tingginya suhu kecerahan
dengan nilai persen reflektansi yang rendah. Salah satu satelit yang mampu mendeteksi adanya
kebakaran hutan adalah satelit NOAA. Departemen Teknik Elektro memiliki peralatan untuk
menerima citra dari satelit NOAA berupa antena dan perlengkapan penerima citra satelit dan
pengontrol antena.
Untuk memudahkan masyarakat ataupun pihak yang berkepentingan untuk melihat dan
memantau terjadinya kenakaran hutan, data dari satelit yang telah diproses menjadi data hotspot
dapat ditampilkan di web dengan menggunakan salah satu platform webgis.
Ada beberapa lembaga yang memantau hotspot di Indonesia dan di negara sekitar
Indonesia, lalu menampilkannya di web agar mudah diakses. Beberapa lembaga tersebut adalah
Centre for Remote Sensing and Processing (CRISP) milik Universitas Nasional Singapura,
Lembaga Penerbangan dan Antariksa Nasional dan pemerintah australia. Situs-situs yang dimiliki
oleh lembaga tersebut adalah https://crisp2.nus.edu.sg/cgi-bin/map_bin/webgis.cgi, modiscatalog.lapan.go.id/monitoring/infokatalog dan http://sentinel.ga.gov.au/
Pengembangan Sistem Monitoring..., Raditya Pratama Nugraha, FT UI, 2014
2. DASAR TEORI
A. Penginderaan Jauh
Menurut remote sensing tutorial, Remote Sensing adalah teknik-teknik berbasis
instrumen yang digunakan dalam pengambilan dan pengukuran data/informasi yang terorganisir
secara spasial pada beberapa properti (spektral, spasial, fisik) dari suatu deret pixel sasaran dalam
area yang akan diukur yang berhubungan dengan fitur, objek dan material, dan hal ini dilakukan
dengan mengaplikasikan satu atau lebih divais perekaman tanpa kontak langsung dengan area
yang direkam (pada jarak yang cukup jauh dari target yang diobservasi, dimana keteraturan
spasial tetap terjaga) ; teknik-teknik tersebut melibatkan pengumpulan informasi yang
berhubungan dengan area yang direkam(target) dengan menggunakan radiasi elektromagnetik,
medan gaya atau energi akustik dengan menggunakan kamera, radiometer dan scanner, laser,
penerima frekuensi radio, sistem radar, sonar, divais thermal, seismograf, magnetometer,
gravimeter, scintillometer dan instrumen perekaman lainnya.[2]
1) Resolusi Sensor
Suatu sensor memiliki beberapa karakteristik resolusi berdasarkan kemampuan sensor
tersebut dan spesifikasi satelit dimana sensor tersebut dipasang.
a. Resolusi Spasial
Resolusi spasial menunjukkan level dari detail yang ditangkap oleh sensor. Semakin
detail informasi yang didapat maka semakin tinggi resolusi spasial dari sensor tersebut.
Misalnya sensor AVHRR memiliki resolusi spasial 1.1 km. Maka pada hasil citra yang
didapatkan, 1 pixel berukuran 1.1 x 1.1 km.
b. Resolusi Radiometrik
Resolusi radiometrik adalah
elektromagnetik.
Semakin
sensitivitas suatu sensor terhadap perbedaan energi
sensitif
suatu
sensor
terhadap
perbedaan
energi
elektromagnetik, maka semakin besar resolusi radiometrik sensor tersebut.
c. Resolusi Spektral
Resolusi spektral adalah interval panjang gelombang khusus pada spektrum
elektromagetik yang direkam oleh sensor. Semakin sempit interval spektrum
elektromagnetik yang direkam oleh sensor, maka resolusi spektralnya semakin tinggi.
d. Resolusi Temporal
Pengembangan Sistem Monitoring..., Raditya Pratama Nugraha, FT UI, 2014
Resolusi temporal adalah waktu yang dibutuhkan suatu satelit untuk menyelesaikan satu
siklus orbit dan kembali merekam area yang sama.
B. Satelit NOAA dan Perangkat Penerima Data Satelit
Satelit NOAA adalah satelit cuaca yang dioperasikan oleh pemerintah amerika serikat.
Saat ini satelit yang masih beroperasi adalah NOAA 15, 18 dan 19.
1) Sensor AVHRR
AVHRR (Advanced Very High Resolution Radiometer) adalah sensor yang terpasang
pada satelit NOAA. Sensor ini berfungsi untuk mengawasi tutupan awan, temperatur permukaan
laut, tutupan salju, tutupan es dan vegetasi. AVHRR/3, sensor yang terpasang pada satelit NOAA
15,16,17,18 dan 19 memiliki enam kanal, tiga kanal di deaerah cahaya tampak dan near-infrared
dan tiga lainnya yaitu kanal thermal infrared. Sensor AVHRR memiliki resolusi spasial 1.1 km.
Karakteristik enam kanal dari AVHRR dapat dilihat pada tabel 2.1.
Tabel 2.1 Karakteristik kanal AVHRR [6]
Kanal
Interval panjang gelombang
Kegunaan
(µm)
1
0.580 – 0.680
Penggunaan umum untuk pemetaan
awan dan permukaan
2
0.725 – 1.000
Batas daratan dan perairan
3a
1.580 – 1.640
Pembedaan es dan salju
3b
3.550 – 3.930
Suhu permukaan laut dan pemetaan
awan pada malam hari
4
10.300 – 11.300
Suhu permukaan laut dan pemetaan
awan pada siang dan malam hari
5
11.500 – 12.500
Suhu permukaan laut, selain itu mirip
dengan kanal 4
Pengembangan Sistem Monitoring..., Raditya Pratama Nugraha, FT UI, 2014
2) High Resolution Picture Transmission (HRPT)
High Resolution Picture Transmission (HRPT) merupakan transmisi digital dengan
metode encoding data gambar beresolusi 1.1 x 1.1 km tiap piksel dengan 5 kanal dari sensor
AVHRR/3 yaitu kanal 1, 2 , 4, 5 dan kanal 3a atau 3b. Dalam suatu transmisi, data yang dapat
dikirimkan sekaligus adalah data dari 5 kanal saja. Data kanal yang dikirimkan dengan HRPT
adalah data dari kanal 1, 2, 3a, 4 dan 5, atau dari kanal 1, 2, 3b, 4, 5. Frekuensi yang digunakan
satelit NOAA 15, 18 dan 19 adalah 1702.5 MHz, 1698 MHz dan 1698 MHz.
3) Algoritma Titik Panas (Hotspot)
Titik panas adalah suatu piksel pada citra satelit yang memiliki suhu kecerahan tertentu
dan memiliki kemungkinan besar terjadi kebakaran pada piksel tersebut. Untuk menentukan
apakah suatu piksel dapat disebut titik panas atau bukan, diperlukan suatu algoritma untuk
mengolah data dari kanal-kanal AVHRR. Pada penelitian ini akan digunakan algoritma dari
CCRS(Canada Centre for Remote Sensing).[5] Diagram alir dari algoritma tersebut dapat dilihat
di Gambar 2.1.
Pada algoritma ini dilakukan dua hal yaitu mendeteksi piksel potensial hotspot dan
Gambar 2.1 Algoritma penentuan hotspot dari CCRS [5]
Pengembangan Sistem Monitoring..., Raditya Pratama Nugraha, FT UI, 2014
menghilangkan piksel hotspot palsu. Algoritma ini menggunakan data dari 4 kanal AVHRR yaitu
kanal 2, 3b, 4 dan 5.
Untuk mendeteksi piksel potensial hotspot, digunakan nilai suhu kecerahan dari kanal 3b.
Piksel yang memiliki suhu kecerahan pada kanal 3b lebih dari 315 derajat Kelvin akan dianggap
piksel potensial hotspot.
Proses penghilangan api palsu dilakukan dengan 4 tahap. Pertama, dicari piksel yang
memiliki perbedaan suhu kecerahan antara kanal 3b dan 4 kurang dari 14 derajat Kelvin. Pikselpiksel yang memiliki perbedaan suhu kecerahan antara kanal 3 dan 4 kurang dari 14 derajat
Kelvin dianggap sebagai piksel api palsu yang disebabkan oleh latarbelakang yang panas. Tes
selanjutnya menggunakan suhu kecerahan kanal 4 untuk mendeteksi piksel api palsu yang
disebabkan oleh awan yang sangat reflektif.
Tes ketiga dilakukan untuk menghilangkan objek-objek yang memiliki suhu kecerahan
yang tinggi pada piksel awan dan piksel permukaan. Piksel hotspot memiliki reflektansi yang
rendah di kanal 2 karena adanya abu dan konsumsi vegetasi. Jadi piksel api potensial dengan
reflektansi di kanal 2 lebih dari 0.22 dianggap api palsu. Tes keempat dilakukan untuk
menghilangkan piksel api palsu yang diakibatkan oleh awan cirrus tipis. Dalam beberapa kasus,
kombinasi latar belakang panas dan awan tipis dapat membuat nilai suhu kecerahan di kanal 3b
pada piksel tersebut tinggi sehingga dapat melewati tes kedua. Awan cirrus tipis memiliki suhu
kecerahan di kanal 4 yang rendah dan suhu kecerahan di kanal 3b yang tinggi karena pantulan
cahaya. Tes ini menggunakan perbedaan suhu kecerahan di kanal 4 dan 5. Perbedaan suhu
kecerahan di kanal 4 dan 5 digunakan untuk mendeteksi awan cirrus tipis.
Lalu, pada algoritma dari CCRS ini dilakukan dua seleksi tambahan. Di Kanada, tempat
penggunaan algoritma ini untuk mendeteksi hotspot, Api dari kebakaran hutan memiliki area
yang lebih luas dan lebih tahan lama dibandingkan api lain. Dengan membatasi hanya pada
kebakaran hutan, beberapa masalah dapat diatasi yaitu deteksi piksel api palsu akibat kilau
matahari dan pantulan tanah. Jadi pada algoritma ini, deteksi api hanya dilakukan di daerah
hutan. Seleksi kedua dilakukan untuk menghilangkan piksel api tunggal. Piksel api tunggal dapat
terjadi karena masalah kilau matahari pada danau. Seleksi ini dapat dilakukan karena kebakaran
di hutan boreal biasanya melebar melebihi resolusi spasial AVHRR yaitu 1.1 x 1.1 km.
Pengembangan Sistem Monitoring..., Raditya Pratama Nugraha, FT UI, 2014
C. MapServer
MapServer adalah platform open source untuk menampilkan data spasial dan aplikasi
pemetaan interaktif di web. Dikembangkan pada pertengahan tahun 1990 di Universitas
Minnesota, MapServer diterbitkan dibawah lisensi bergaya MIT. Beberapa fitur utama
MapServer adalah :
•
Duklungan untuk menampilkan ratusan format data raster, vektor dan basis data
•
Kemampuan berjalan di beberapa sistem operasi (Windows, Linux, Mac OS X)
•
Konversi proyeksi peta
•
Keluaran aplikasi yang bisa diubah-ubah
Gambar 2.2 Arsitektur MapServer [8]
Gambar 2.2 adalah gambar arsitektur mapserver. MapServer menerima data masukan
berupa data yang berada dalam server dan data yang diambil dari web. Pengaturan data masukan
tersebut berada dalam data mapfile. Lalu melalui aplikasi CGI MapServer, data ditampilkan
dengan webserver.
Pengembangan Sistem Monitoring..., Raditya Pratama Nugraha, FT UI, 2014
3. METODOLOGI PENELITIAN
A. Data Penelitian
Sebenarnya pada rencana penelitian, data yang akan digunakan dalam penelitian ini
adalah data level 1 b hasil keluaran software timestep pada komputer yang terhubung dengan hrpt
receiver. Namun karena ada masalah teknis sehingga data yang telah diambil dan disimpan di
komputer tidak dapat diolah menjadi data level 1b, jadi untuk penggantinya akan digunakan data
satelit NOAA/AVHRR-HRPT, LAC dan GAC dalam bentuk level 1 b. Data-data ini diperoleh
dari situs www.class.noaa.gov milik National Oceanic and Atmospheric administration.
Di situs www.class.noaa.gov, untuk pengambilan data bulan desember 2014, tersedia banyak
data GAC untuk area batasan masalah penelitian, yaitu dari tiga satelit NOAA yang masih
beroperasi yaitu NOAA 15, 18 dan 19. Terdapat sedikit data LAC untuk area batasan masalah
penelitian yaitu hanya dari satelit NOAA 19. Lalu, hampir tidak ada data HRPT yang tersedia
untuk area batasan masalah penelitian melainkan hanya sedikit cakupan di provinsi aceh. Proses
pengambilan data memakan waktu yang tidak tentu, dari paling cepat sekitar 2 jam dan paling
lama memakan waktu sekitar 5 hari, dan ada kemungkinan proses pengambilan data tidak
berhasil.
Karena adanya dua masalah tersebut pada pengambilan data dari internet maka jika sistem
penerimaan data satelit NOAA telah dapat berjalan dengan baik, citra HRPT yang diinginkan
akan dapat didapatkan dengan mudah secara real-time tergantung posisi orbit satelit NOAA.
B. Tahapan Penelitian & Software Pendukung
Gambar 3.1 adalah diagram alir dari tahapan penelitian yang dilakukan. Pertama, data
didapatkan dengan mengunduh dari situs www.class.noaa.gov. Data yang dibutuhkan dicari
terlebih dahulu dengan menentukan tipe data yaitu data dari sensor AVHRR. Setelah itu tentukan
batas area pencarian, batas tanggal dari data yang diinginkan, tipe data yang diinginkan, arah
gerakan satelit, stasiun penerima data, dan data dari satelit apa yang diinginkan. Data yang
didapatkan dalam bentuk level 1b.
Setelah data didapatkan, dilakukan kalibrasi pada data level 1 b untuk merubah data pada
kanal 1 dan 2 menjadi persen reflektansi dan merubah data pada kanal 3b, 4 dan 5 menjadi
temperatur kecerahan. Setelah kalibrasi data, dilakukan koreksi geometris agar citra tampak
seperti pada peta. Setelah itu, digunakan algoritma CCRS untuk menentukan hotspot . Setelah
Pengembangan Sistem Monitoring..., Raditya Pratama Nugraha, FT UI, 2014
data hotspot didapatkan, ditampilkan di web bersama dengan tampilan lapisan lain seperti garis
pantai.
Gambar 3.1 Diagram alir penelitian
1) Software Pendukung
Dalam penelitian ini digunakan beberapa software pendukung yaitu software ENVI dan
software QGIS. Software ENVI digunakan untuk memproses data level 1b menjadi data hotspot.
Software QGIS digunakan untuk mengubah format data hotspot hasil keluaran software ENVI
yang berbentuk data raster menjadi format data hotspot berbentuk data vektor untuk ditampilkan
di web-GIS.
Pengembangan Sistem Monitoring..., Raditya Pratama Nugraha, FT UI, 2014
2) Proses Pengolahan Data Level 1b Menjadi Data Hotspot
Gambar 3.2 adalah contoh citra dari data level 1b dengan kanal 1, 2 dan 4. Kanal 1
sebagai warna merah, kanal 2 sebagai warna biru dan kanal 4 sebagai warna hijau. Dapat dilihat
pada gambar 3.2, pada citra tersebut terdapat efek distorsi dimana area tengah citra memiliki
ukuran normal dan area pinggir kiri dan kanan citra memiliki ukuran kecil. Citra tersebut juga
masih terbalik dan tidak sesuai ukuran standar peta. Hal ini akan diatasi dengan koreksi
geometris. Terdapat juga efek kilau matahari pada sisi kanan citra.
Pada data level 1b yang belum diproses, nilai dari setiap piksel adalah nilai radiansi. Pada
proses kalibrasi, nilai piksel akan diubah menjadi nilai suhu kecerahan dan nilai reflektansi agar
algoritma untuk menentukan hotspot dapat diterapkan. Gambar 3.3 adalah citra RGB yang telah
dikalibrasi. Dapat dilihat bahwa citra yang ditampilkan tidak dapat dikenali bentuknya. Hal ini
karena proses kalibrasi telah mengubah nilai radiansi data level 1b menjadi nilai reflektansi dan
suhu kecerahan sehingga hal yang dapat dikenali dari citra hanya awan.
Gambar 3.2 Citra RGB data level 1b
Pengembangan Sistem Monitoring..., Raditya Pratama Nugraha, FT UI, 2014
Setelah proses kalibrasi, dilakukan koreksi geometris agar data dapat ditampillkan di peta.
Koreksi geometris akan merotasi gambar agar sesuai pada peta dan memperbesar piksel di sisi
kiri dan kanan pixel agar mempunyai ukuran yang sama dengan piksel di tengah citra. Gambar
Gambar 3.4 adalah citra level 1b setelah proses koreksi geometris tanpa kalibrasi.
Gambar 3.3 Citra RGB yang telah dikalibrasi
Gambar 3.4 Citra level 1b setelah proses koreksi geometris
Proses selanjutnya adalah menentukan hotspot dari citra tersebut. Hal ini dilakukan
dengan menerapkan algoritma penentuan hotspot dengan menggunakan nilai dari data level 1b
yang telah dikalibrasi. Gambar 3.5 adalah diagram alir dari algoritma penentuan hotspot yang
digunakan dalam penelitian ini. Algoritma penentuan hotspot ini telah dijelaskan di bab 2.
Terdapat beberapa perbedaan pada algoritma untuk menentukan yang digunakan pada
penelitian ini dengan algoritma milik CCRS yaitu pada pemakaian masking hutan dan
Pengembangan Sistem Monitoring..., Raditya Pratama Nugraha, FT UI, 2014
penghilangan piksel tunggal. Pada penelitian ini tidak digunakan mask hutan untuk mendeteksi
kebakaran yang tidak terjadi di hutan. Penghilangan piksel hotspot tunggal juga tidak dilakukan
untuk mendeteksi kebakaran kecil. Selain adanya perbedaan tersebut, algoritma penentuan
hotspot yang digunakan sama seperti algoritma yang telah dijelaskan di bab 2.
Gambar 3.5 Algoritma penentuan hotspot
Pengembangan Sistem Monitoring..., Raditya Pratama Nugraha, FT UI, 2014
Gambar 3.6 adalah citra piksel hotspot. Piksel hotspot adalah pixel berwarna merah.
Karena hanya terdapat sedikit piksel hotspot, Gambar 3.6 adalah hasil crop dari citra sebenarnya.
Setelah data hotspot didapatkan, data hotspot diubah dari format raster menjadi format
Gambar 3.6 Citra piksel hotspot
vector untuk ditampilkan dalam web-GIS. Data hostpot dengan format vector yang dihasilkan
berupa titik-titik yang memiliki lokasi di tengah-tengah setiap piksel hotspot.
3) Menampilkan Data Dalam Web-GIS
Selanjutnya citra piksel hotspot akan ditampilkan dalam web-GIS. Citra piksel hotspot
tersebut akan ditampilkan bersama data yang lain yaitu garis pantai, garis lintang dan garis bujur,
dan citra level 1b yang telah dikoreksi secara geometris tanpa kalibrasi.
Komputer yang digunakan untuk menyimpan data hotspot dan data web-GIS
menggunakan sistem operasi Windows. Sistem operasi ini dipilih agar pada komputer tersebut
juga dapat dijalankan software ENVI untuk pengolahan data hotspot.
Pengembangan Sistem Monitoring..., Raditya Pratama Nugraha, FT UI, 2014
4. HASIL DAN PEMBAHASAN
A. Hasil pengambilan data Satelit
Data telah dapat diterima oleh perangkat penerima data satelit, namun karena masalah
teknis, data tersebut tidak dapat diolah menjadi data level 1b sehingga tidak dapat diproses lebih
lanjut. Gambar 4.1 adalah contoh citra yang diterima oleh perangkat penerima data satelit. Dapat
dilihat bahwa citra yang diterima sudah cukup baik dan dapat dilihat hasilnya, namun belum
dapat diolah menjadi data level 1b.
Gambar 4.1 Citra hasil penerimaan data satelit
Pengembangan Sistem Monitoring..., Raditya Pratama Nugraha, FT UI, 2014
B. Tampilan web-GIS
Gambar 4.2 adalah tampilan awal web-GIS. Fungsi-fungsi standar pada webgis seperti pan, zoom
in, zoom out, pemilihan layer, dan peta referensi dapat digunakan.
Layer yang dapat ditampilkan pada tampilan web-GIS adalah layer batas provinsi, layer
garis lintang dan garis bujur, layer citra satelit NOAA dan layer piksel hotspot.
Gambar 4.2 Tampilan awal web-GIS
1) Fasilitas Pan dan Zoom
Fasilitas pan, zoom in dan zoom out dapat digunakan untuk melihat lebih jelas daerah
yang diinginkan. Zoom in dapat dilakukan dengan memilih zoom in dengan tingkat yang
diinginkan pada menu pull-down Map Control, lalu mengklik daerah pada peta gambar yang
ingin diperbesar. Gambar 4.3 menunjukkan tampilan web-GIS setelah dilakukan zoom in.
Pengembangan Sistem Monitoring..., Raditya Pratama Nugraha, FT UI, 2014
Fasilitas zoom out dapat digunakan dengan memilih zoom out dengan tingkat yang
diinginkan pada menu pull-down Map Control, lalu mengklik daerah pada peta gambar untuk
Gambar 4.3 Tampilan web-GIS setelah di zoom in
bagian tengah peta gambar yang akan diperkecil. Gambar 4.4 menunjukkan tampilan web-GIS
setelah dilakukan zoom out.
Fasilitas pan dapat digunakan dengan memilih ‘Recenter’ pada menu pull-down Map
Control, lalu mengklik daerah pada peta gambar ke arah penggeseran gambar. Gambar 4.5
menunjukkan tampilan web-GIS setelah dilakukan zoom in lalu dilakukan pan.
Gambar 4.4 Tampilan web-GIS setelah di zoom out
Pengembangan Sistem Monitoring..., Raditya Pratama Nugraha, FT UI, 2014
Gambar 4.5 Tampilan web-GIS setelah di zoom in dan pan
2) Fasilitas Pemilihan Layer dan Peta Referensi
Pemilihan layer yang akan ditampilkan dapat dilakukan dengan mengklik check box yang
ada di bagian atas web-GIS dan letaknya ditunjukkan pada Gambar 4.6. Gambar 4.6 juga
menunjukkan tampilan web-GIS dengan tambahan garis lintang dan garis bujur. Layer yang
dapat dipilih untuk ditampilkan ataupun dihilangkan adalah layer garis lintang dan bujur, layer
Gambar 4.6 Tampilan web-GIS dengan tambahan layer garis lintang dan bujur dan letak check box layer
Pengembangan Sistem Monitoring..., Raditya Pratama Nugraha, FT UI, 2014
tampilan citra satelit NOAA dan layer hotspot yang terdeteksi. Layer batas propinsi dan garis
pantai selalu ditampilkan.
Peta referensi ditampilkan di sebelah kanan web-GIS. Peta referensi berfungsi untuk
menunjukkan letak daerah tampilan web-GIS setelah dilakukan zoom in seperti terlihat pada
Gambar 4.3 dan Gambar 4.5.
3) Perbandingan Jumlah Hotspot Pada Musim Penghujan Dan Kemarau
Pada musim kemarau, terdapat hotspot yang lebih banyak dibandingkan dengan pada saat
musim penghujan. Gambar 4.7 adalah tampilan web-GIS dengan data satelit NOAA tanggal 23
Juni 2013. terdapat 75 hotspot pada data tersebut.
Gambar 4.7 Tampilan web-GIS saat kemarau
Gambar 4.8 adalah tampilan web-GIS pada saat musim penghujan yaitu dengan data
satelit NOAA tanggal 10 Oktober 2014. terdapat 4 hotspot pada data tersebut.
Gambar 4.8 Tampilan web-GIS saat musim penghujan
Pengembangan Sistem Monitoring..., Raditya Pratama Nugraha, FT UI, 2014
4.4
Perbandingan Data Hotspot dengan Sensor MODIS (Moderate Resolution Imaging
Spectroradiometer)
Pada Gambar 4.9 ditampilkan grafik perbandingan data hotspot yang didapatkan dengan
data tahun 2013 dengan data hotspot sensor MODIS satelit Aqua. Data hotspot sensor modis
diunduh dari situs https://earthdata.nasa.gov/data/near-real-time-data/firms/active-fire-data .
2500 2000 1500 1000 500 06/12/2013 06/11/2013 06/10/2013 06/09/2013 06/08/2013 06/07/2013 06/06/2013 06/05/2013 06/04/2013 06/03/2013 AVHRR 06/02/2013 0 06/01/2013 Jumlah Hotspot
Perbandingan data hotspot pada tahun 2013 antara sensor
AVHRR dan MODIS
MODIS Tanggal Gambar 4.9 Perbandingan data hotspot antara sensor AVHRR dan MODIS
Pada gambar 4.9 dapat dilihat bahwa data hotspot sensor AVHRR sesuai dengan data hotspot
sensor MODIS, namun untuk jumlah hotspot yang sedikit, sulit dideteksi dengan sensor AVHRR.
5. KESIMPULAN
1. Data NOAA/AVHRR HRPT dapat digunakan sebagai data untuk mengetahui lokasi
hotspot pada periode tertentu dengan proses penghitungan dengan menggunakan data
kanal 2,3b,4 dan 5 dari sensor AVHRR
2. Jumlah hotspot pada musim kemarau lebih banyak dibandingkan dengan jumlah hotspot
pada musim penghujan
Pengembangan Sistem Monitoring..., Raditya Pratama Nugraha, FT UI, 2014
6. REFERENSI
[1] Rona Dennis (1999), A review of Fire Projects in Indonesia (1982-1998)
[2] “Remote sensing tutorial”, http://fas.org/irp/imint/docs/rst/Front/tofc.html
[5] Z. Li, S. Nadon, J.Cihlar (2000), “Satellite-based detection of Canadian boreal forest fires:
development and application of the algorithm,” Int. J. Remote Sensing, vol 21, no 16, pp
3057-3069
[6] Timestep NOAA AVHRR/CHRPT manual
Pengembangan Sistem Monitoring..., Raditya Pratama Nugraha, FT UI, 2014