Identifikasi Kawasan Pertambangan Timah Menggunakan Data Satelit Sentinel – 1 dengan Metode Object Based Image Analysis (OBIA)

Berdasarkan data Pendapatan Nasional Indonesia 2017, sektor pertambangan  dan penggalian mempunyai peran penting bagi Indonesia. Sektor ini menyumbangkan 7,57% pada produk domestik bruto Indonesia di tahun 2017 . Salah satu sektor pertambangan yang potensial di Indonesia adalah pertambangan mineral...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Veröffentlicht in:Jurnal Ilmu Lingkungan 2019-05, Vol.17 (1), p.140-148
Hauptverfasser: Nugroho, Udhi C, Kushardono, Dony, Dewi, Esthi K
Format: Artikel
Sprache:eng ; ind
Schlagworte:
Online-Zugang:Volltext
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
Beschreibung
Zusammenfassung:Berdasarkan data Pendapatan Nasional Indonesia 2017, sektor pertambangan  dan penggalian mempunyai peran penting bagi Indonesia. Sektor ini menyumbangkan 7,57% pada produk domestik bruto Indonesia di tahun 2017 . Salah satu sektor pertambangan yang potensial di Indonesia adalah pertambangan mineral Timah di Pulau Bangka dan Belitung. Namun kegiatan pertambangan ini banyak menimbulkan dampak negatif dari sisi lingkungan. Salah satu upaya awal untuk menanggulangi dampak negatif terhadap lingkungan adalah melakukan identifikasi kawasan pertambangan timah secara spasial. Teknologi yang dapat membantu untuk hal ini salah satunya adalah teknologi penginderaan jauh radar. Penelitian ini menggunakan data satelit radar sentinel-1 yang diluncurkan oleh European Space Agency (ESA). Tujuan penelitian ini adalah pemanfaatan data radar Sentinel-1 untuk identifikasi kawasan pertambangan menggunakan metode Object-Base Image Analysis (OBIA). Data sentinel-1 disegmentasi menggunakan algorithma multiresolution segmentation kemudian di klasifikasi menggunakan algorithma nearest neighbor. Masukan data yang digunakan untuk proses klasifikasi dibuat menjadi dua variasi, yang pertama adalah data standar deviasi, mean, dan brightness pada masing – masing segmen di tiap band, kemudian variasi kedua adalah penambahan data tekstur berupa nilai grey level coocurance matrix (GLCM). Hasil klasifikasi menunjukan bahwa masukan data yang menggunakan data tekstur GLCM mempunyai akurasi lebih tinggi dibandingkan dengan yang tanpa data tekstur GLCM. Secara statisktik Hasil klasifikasi dengan type satu menunjukan bahwa total akurasi nya adalah sebesar 89,0 %, dengan nilai kappa sebesar 0,48 sedangkan untuk type dua menunjukan bahwa total akurasinya adalah 89,3%, dengan kappa sebesar 0,50. Hasil klasifikasi kawasan pertambangan dapat digunakan sebagai masukan awal dalam rangka identifikasi spasial kerusakan lingkungan akibat aktivitas pertambangan.
ISSN:1829-8907
1829-8907
DOI:10.14710/jil.17.1.140-148