You are on page 1of 37

LAPORAN PRAKTIK KERJA LAPANGAN

PENGOLAHAN CITRA SATELIT

Disusun Oleh :

Syarief Fitra Hasbullah

3.34.07.1.22

Informatika 3B

PROGRAM STUDI TEKNIK INFORMATIKA

JURUSAN TEKNIK ELEKTRO

POLITEKNIK NEGERI SEMARANG

2009
HALAMAN PENGESAHAN

PROPOSAL PRAKTEK KERJA LAPANGAN

a. Judul / Tema /Bidang Kerja PKL : Pengolahan citra satelit dengan ARC VIEW

b. Penyusun

Nama : Syarief Fitra Hasbullah

NIM : 3.34.07.1.22

c. Jurusan / Program Studi : Teknik Elektro / Informatika

Boyolali, 11 januari 2010

Menyetujui

Pembimbing Yang mengajukan permohonan

Slamet Handoko Syarief Fitra Hasbullah

NIP 19750130 200112 1 001 NIM 3.34.07.1.22

Mengetahui

Ketua Jurusan

Ahmad Jamaah

NIP. 196203231985031004
LAPORAN PRAKTIK KERJA LAPANGAN

PENGOLAHAN CITRA SATELIT

Disusun Oleh :

Syarief Fitra Hasbullah

3.34.07.1.22

Informatika 3B

PROGRAM STUDI TEKNIK INFORMATIKA

JURUSAN TEKNIK ELEKTRO

POLITEKNIK NEGERI SEMARANG

2009
HALAMAN PENGESAHAN

LAPORAN KULIAH KERJA LAPANGAN

a. Judul / Tema / Bidang Kerja PKL :

b. Penyusun

Nama : Syarief Fitra Hasbullah

NIM : 3.34.07.1.22

c. Jurusan / Program Studi : Teknik Elektro / Infokom

Semarang,

Pembimbing 2 (Industri) Pembimbing 1 (Polines)

Nama Slamet Handoko

NIP NIP 19750130 200112 1 001

Mengetahui

Ketua Jurusan

Ahmad Jamaah

NIP. 196203231985031004
DAFTAR PENILAIAN PRAKTIK KERJA LAPANGAN

( Diisi oleh Pembimbing dari Industri )

Nama Mahasiswa : Syarief Fitra Hasbullah

NIM : 3.34.07.1.22

Tempat PKL : Badan Pusat Statistik (BPS)

Waktu : 28 Juli s.d 29 Agustus 2009

Petunjuk Pengisian : Tuliskan nilai pada setiap komponen dengan angka 1 sampai dengan 10

untuk menunjukkan tingkat kompetensi mahasiswa PKL.

No Komponen yang Dinilai Nilai Keterangan


1 Kemampuan Beradaptasi dengan Lingkungan
2 Ketrampilan dalam menjalankan tugas :

a. Kesesuaian dalam instruksi

b. Kualitas hasil pekerjaan

c. Ketepatan waktu

d. Kemampuan memecahkan masalah


3 Tanggung jawab terhadap tugas
4 Inisiatif dan kreativitas
5 Komunikasi :

a. Bekerja dalam kelompok (kerja sama)

b. Hubungan dengan atasan

c. Hubungan dengan rekan kerja

d. Hubungan dengan relasi


6 Kedisiplinan
7 Kemandirian
8 Sikap potensial :

a. Sikap menghadapi pekerjaan

b. Disiplin kerja

c. Loyalitas/kesetiaan
d. Semangat / motivasi kerja

e. Penampilan
Total Nilai
Nilai Rata-rata

Boyolali, 11 januari 2010

Badan Pusat Statistik

Drs. Sunaryo

NIP.

DAFTAR PENILAIAN PRAKTIK KERJA LAPANGAN

( Diisi oleh Pembimbing Polines )

Nama Mahasiswa : Syarief Fitra Hasbullah

NIM : 3.34.07.1.22

Tempat PKL : Badan Pusat Statistik (BPS)


Waktu : 28 Juli s.d 29 Agustus 2009

Petunjuk Pengisian : Tuliskan nilai pada setiap komponen dengan angka 1 sampai dengan 10

untuk menunjukkan tingkat kompetensi mahasiswa PKL.

No Komponen Yang Dinilai Nilai Keterangan


1 Proposal (bobot nilai 20%)

1. Tujuan dan Sasaran PKL

2. Kelengkapan proposal PKL

a. kesesuaian antara tujuan dan sasaran

b. kesesuaian perencanaan kerja

c. Sistematika penulisan

2 Laporan (80%)

1. Sistematika penulisan

2. Bahasa

a. Mudah dimengerti

b. Bahasa Indonesia EYD

3. Isi

a. Kualitas aktivitas mahasiswa

b. Pengalaman baru yang diperoleh

c. Kemampuan pemecahan masalah

d. Kemampuan dalam menyimpulkan

e. Kelengkapan lampiran-lampiran
Nilai
Semarang,………….

Penilai

Dosen Pembimbing PKL

Slamet Handoko S.Kom

NIP. 19750130 200112 1 001

DAFTAR ISI

Halaman

HALAMAN JUDUL ……………………………………………………………………… i

HALAMAN PENGESAHAN ……………………………………………………………. ii

KATA PENGANTAR ……………………………………………………………………. iii

DAFTAR ISI ……………………………………………………………………………… vi

DAFTAR GAMBAR ……………………………………………………………………... viii

DAFTAR TABEL …………………………………………………………………………


BAB I. PENDAHULUAN ………………………………………………………………

1.1. Latar Belakang ………………………………………………………………

1.2. Ruang Lingkup ……………………………………………………………...

1.3. Tujuan dan Kegunaan PKL …………………………………………………

BAB II. GAMBARAN UMUM PERUSAHAAN ……………………………………..

2.1. Sejarah Singkat PT. Baja Kurnia ………………………………………….

2.1.1. Lintasan Sejarah …………………………………………………...

2.1.2. Filosofi Usaha ……………………………………………………..

2.2. Struktur Organisasi ……………………………………..............................

2.2.1. Uraian Jabatan …………………………………………………….

BAB I

PENDAHULUAN

1.1. Latar Belakang

Pada dewasa ini kebutuhan mengenai informasi yang akurat sangat diperlukan di
semua aspek kehidupan, terutama dalam bidang pendidikan. Salah satu tujuan pendidikan
baik itu formal ataupun non formal adalah memberikan bekal kepada anak didiknya.
Sebagai contoh di dalam pendidikan jenjang perguruan tinggi, bekal yang cukup di
bidangnya sangat diperlukan dalam menghadapi dunia kerja nantinya. Salah satu upaya
yang ditempuh adalah melalui Praktek Kerja Lapangan (PKL). Dalam hal ini, mahasiswa
dapat mengaplikasikan teori-teori yang mereka dapatkan dalam bangku perkuliahan.
PKL mempunyai banyak manfaat besar dalam mengembangkan kemampuan yang
dimiliki, karena tidaklah cukup dengan teori dalam perkuliahan di dalam kampus, sehingga
dalam penerapan ilmu dan teori tersebut harus didapat dari luar kampus. Karena dalam
pelaksanaan PKL, mahasiswa benar - benar bisa melihat dan merasakan secara langsung
bagaimana mengaplikasikan ilmu yang di dapat dalam perkuliahan dan banyak memberikan
gambaran tentang dunia kerja yang akan mereka geluti nantinya sesuai dengan ilmu yang
diperoleh selama di bangku kuliah. Terlebih nantinya mahasiswa akan menghadapi
persaingan yang semakin ketat.

PKL merupakan sebuah kerjasama yang menguntungkan antara mahasiswa dan


instansi tempat melaksanakan PKL. Karena bagi mahasiswa instansi tersebut merupakan
wadah dalam mengaplikasikan kemampuan yang dimiliki, tempat belajar yang efektif dan
mendukung di luar kampus, sedangkan bagi instansi itu sendiri dengan adanya mahasiswa
yang melaksanakan Praktek Kerja Lapangan tidaklah menjadi sebuah kerugian dan beban.

Disini kita ditempatkan di bidang Integrasi Pengolahan dan Diseminasi Statistik yang
sesuai dengan ilmu yang kami tekuni. Adapun masalah-masalah yang ada dalam bidang
Pembinaan, antara lain adalah tentang masalah pemetaan, masalah memasukkan data-data
ke dalam database, total pendapatan tiap daerah dan lain sebagainya. Oleh karena itu, tugas.
BPS disini sebagai perantara antara bappeda dan masyarakat, untuk dapat menyelesaikan
masalah yang ada dalam kehidupannya.

1.2. Ruang Lingkup

Dalam suatu perusahaan terdapat banyak kegiatan yang mana kegiatan tersebut
dilakukan guna untuk memenuhi kebutuhan masyarakat, khususnya di kota Boyolali Jawa
Tengah.

Untuk menunjang kelancaran pekerjaan, maka BPS Boyolali mempunyai metode-


metode tersendiri, dimana salah satunya adalah adanya divisi-divisi yang memiliki tugas
tersendiri. Selain itu juga adanya para teknisi yang handal, profesional, telatih dan
berpengalaman dibidangnya.
Dalam hal ini, pada laporan Praktek Kerja Lapangan di BPS Boyolali ini, penyusun
akan membahas masalah mengenai pengolahan citra satelit dalam menentukan blok-blok
sensus 2010.

1.3. Tujuan dan Kegunaan PKL


Tujuan yang diharapkan dari praktek kerja lapangan (PKL) ini ada tiga hal yang secara
yang secara langsung memperoleh manfaat dengan terlaksananya kegiatan program PKL,
yaitu:

1.3.1 Mahasiswa
Tujuan dari Praktek kerja lapangan bagi mahasiswa yaitu :
a) Dapat meningkatkan cara berfikir mahasiswa serta meningkatkan daya penalaran
mahasiswa dalam melakukan penalaran, menelaah suatu masalah, perumusan dan
pemecahannya secara praktis di lapangan.
b) Memperdalam pengertian terhadap cara berfikir dan bekerja secara inter disipliner.
c) Meningkatkan keterampilan yang dimiliki mahasiswa dalam melaksanakan dan
mengembangkan dunia pengecoran dengan berlandaskan ilmu, teknologi dan seni
secara disiplin dan bertanggung jawab.
d) Memberikan bekal mahasiswa untuk menjadi motivator, dinamisator dan problem
solver, sehingga dapat mempertinggi tingkat kemampuannya.

1.3.2 Instansi teknis


keuntungan Instansi teknis dari Praktek kerja lapangan yaitu :
a) Memperoleh informasi atau saran yang diharapkan dapat meningkatkan efisiensi dan
produktivitas kantor.
b) Menjadi media untuk menggali potensi bidang statistik dan hasilnya sebagai
masukan bagi instansi tersebut.
c) Mendapatkan bantuan tenaga mahasiswa dalam proses statistik.

1.3.3 Civitas akademik


keuntungan Civitas akademik dari Praktek kerja lapangan yaitu :
a) Memperoleh berbagai kasus yang berharga yang dapat digunakan sebagai contoh
dalam memberikan materi perkuliahan, pengembangan penelitian dibidang statistik.
b) Mengetahui perkembangan berbagai jenis software atau peralatan baru, yang dapat
dijadikan sebagai acuan untuk penyusunan materi tambahan dalam perkembangan
teknik statistik.

1.4. Waktu dan tempat pelaksanaan PKL

Dalam pelaksanaan praktek PKL, penulis melaksanakannya di sebuah Instansi


Pemerintah. Instansi tersebut adalah BPS (Badan Pusat Statistik) yang beralamat di Jl.
Duren No. 1A Boyolali.

Waktu pelaksanaan PKL yaitu selama kurang lebih satu bulan terhitung sejak tanggal
3 Agustus – 29 Agustus 2009. Dalam pelaksanaannya penulis ditempatkan pada bidang
Integrasi Pengolahan dan Diseminasi Statistik (IPDS).

1.5. Sistematika Penulisan Laporan


Laporan PKL ini disusun berdasarkan sistematika penyajian sebagai berikut :
1. BAB I PENDAHULUAN, berisi tentang latar belakang, tujuan, waktu dan tempat,
serta sistematika penulisan laporan.
2. BAB II TINJAUAN UMUM BPS BOYOLALI , berisi tentang sejarah singkat,
tugas,visi dan misi, struktur organisasi, dan ketenagakerjaan.
3. BAB III HASIL DARI PRAKTEK DI BPS BOYOLALI. Berisi tentang hal hal yang
berhubungan dengan pengolahan citra satelit menggunakan ARC VIEW yg digunakan
sebagai salah satu cara untuk men-sensus penduduk tahun 2010.
4. BAB IV PENUTUP, Berisi tentang kesimpulan dan saran.
BAB II
GAMBARAN UMUM BADAN PUSAT STATISTIK
KABUPATEN BOYOLALI ( BPS BOYOLALI )

2.1 Sejarah Pendirian BPS Boyolali

Untuk menerapkan berbagai macam program di daerah dan untuk memenuhi kebutuhan
statistik pemerintahan daerah, Badan Pusat Statistik (BPS) dibantu oleh kantor perwakilan
BPS yang terdapat di setiap ibu kota propinsi dan kabupaten/kota yaitu BPS Provinsi dan
BPS Kabupaten/Kota. Di BPS Provinsi Jawa Tengah terdapat 38 BPS Kabupaten/Kota yaitu
terdiri dari 29 Kabupaten dan 9 Kota.
2.1.1 Periode 1920-1942, masa Hindia Belanda

Periode pertama didirikan BPS pada tahun 1920-1942


1) Didirikan tahun 1920 dengan tugas mengumpulkan data statistik Bea dan Cukai, dan
bernaung di bawah Departemen Landbouw Nijverheid en Handel.
2) Tanggal 24 September 1924 pusat kegiatan pindah dari Bogor ke Jakarta dengan nama
Centraal Kantoor voor de Statistiek (CKS).

2.1.2 Periode 1942-1945, masa pemerintahan Jepang


1) CKS beralih ke Pemerintah Militer Jepang. Kegiatannya diarahkan utuk memenuhi
kebutuhan data yang berkaitan dengan Pemerintah Militer Jepang. Bernaung di bawah
Gubernur Militer (Gunseikanbu) dengan nama Chosasitsu Gunseikanbu .

2.1.3 Periode 1945-1950, masa pemerintahan RI


Sejak Proklamasi 17 Agustus 1945 Chosasitsu Gunseikanbu diubah menjadi Kantor
Penyelidikan Perangkaan Umum (KAPPURI), yang dipimpin oleh Mr. Abdul Karim
Pringgodigdo.
1) Pada awal 1946, KAPPURI pindah ke Yogyakarta. Saat itu KAPPURI dipimpin oleh
SEMAUN. Sementara itu di Jakarta Pemerintah Federal (Belanda) menghidupkan kembali
CKS.

2.1.4 Periode 1950-1957


1) Berdasarkan surat edaran Kementrian Kemakmuran 12 Juni 1950 No. 219/SC, kedua kantor
tersebut dilebur menjadi satu dengan nama “Kantor Pusat Statistik” di bawah Kementrian
Kemakmuran.
2.1.5 Periode 1957-1997
Berdasarkan Surat Keputusan Presiden RI No. 172/1957, Kantor Pusat Statistik (KPS )
diubah menjadi “Biro Pusat Statistik” (BPS), dan langsung berada di bawah Perdana Menteri.
1) Pada tanggal 24 September 1960 dengan Undang-undang No. 6 tahun 1960 tentang Sensus
dan tentang Statistik tanggal 26 September 1960 dengan Undang-Undang No. 7 tahun 1960
ditetapkan bahwa “Biro Pusat Statistik” (BPS), ditugasi sebagai penyelenggara Sensus (pasal 2
UU No. 6 tahun 1960) dan BPS berada di lingkungan Kabinet Perdana Menteri sebagai Pusat
Penyaluran Statistik (Pasal 2 UU No. 7 tahun 1960).
2) Tahun 1961, untuk yang pertama kalinya BPS menyelenggarakan Sensus Penduduk sejak
masa Kemerdekaan RI. Setiap kantor Gubernur (Provinsi), Kabupaten/Kotamadya dan
Kecamatan dibentuk bagian yang mengurus pelaksanaan Sensus Penduduk.
3) Tahun 1965, dengan Keputusan Presidium Kabinet No. Aa/C/9 Bagian Sensus di tiap
Kantor Gubernur dan Kabupaten/Kotamadya tersebut ditetapkan menjadi Kantor Sensus dan
Statistik
4) Tahun 1968, ditetapkan Peraturan Pemerintah No. 16 tahun 1968, yang mengatur
Organisasi dan Tata Kerja BPS (di Pusat dan Daerah).
5) Tahun 1980, ditetapkan Peraturan Pemerintah No. 6 tahun 1980, tentang Organisasi BPS
sebagai pengganti PP no. 16/1968. Berdasarkan PP No.6/1980 di setiap propinsi terdapat kantor
statistik dengan nama Kantor Statistik Provinsi dan begitu juga di setiap Kabupaten dan
Kotamadya terdapat Kantor Statistik dengan nama Kantor Statistik Kabupaten/Kotamadya.
6) Tahun 1992, ditetapkan Peraturan Pemerintah No. 2 tahun 1992, tentang Organisasi BPS
sebagai pengganti PP No.6/1980. Kedudukan, tugas, fungsi, susunan organisasi, dan tata kerja
Biro Pusat Statistik selanjutnya diatur dengan Keputusan Presiden.
7) Berdasarkan KEPPRES No.6/1992 organisasi BPS terdiri dari Kepala, Wakil Kepala,
Deputi Administrasi, Deputi Perencanaan dan Analisis Statistik, Deputi Statistik Produksi dan
Kependudukan, Deputi Statistik Distribusi dan Neraca Nasional, Pusat Pendidikan dan
Pelatihan Statistik, perwakilan BPS Daerah dan Unit Pelaksana Teknis (UPT).
Periode 1997-sekarang, dengan nama Badan Pusat Statistik (BPS)

2.1.6 Kedudukan
BPS adalah Lembaga Pemerintah Non Departemen yang berada di bawah dan
bertanggung jawab kepada Presiden. BPS dipimpin oleh seorang Kepala.

2.1.7 Tugas
BPS mempunyai tugas melaksanakan tugas pemerintahan di bidang kegiatan statistik
sesuai dengan ketentuan perundang-undangan yang berlaku. 
2.2 Visi dan Misi Perusahaan

2.2.1 Visi
BPS Penyedia Statistik Berkualitas
2.2.2 Misi
Misi dari BPS adalah :
1) Menyediakan informasi statistik yang berkualitas; lengkap, akurat, relevan,
mutakhir, dan berkesinambungan.
2) Meningkatkan upaya koordinasi, integrasi, sinkronisasi, dan standardisasi
kegiatan statistik dalam kerangka SSN yang andal, efektif, dan efisien.
3) Meningkatkan kapasitas sumber daya secara optimal sesuai dengan
perkembangan ilmu pengetahuan dan teknologi informasi mutakhir.

2.3 Fungsi
Sebagaimana tercantum dalam Keputusan Presiden Republik Indonesia Nomor 103 Tahun
2001 dalam melaksanakan tugas, BPS menyelenggarakan fungsi :
a. Pengkajian dan penyusunan kebijakan nasional di bidang kegiatan statistik
b. Penyelenggaraan statistik dasar
c. Koordinasi kegiatan fungsional dalam pelaksanaan tugas BPS
d. Pelancaran dan pembinaan terhadap kegiatan instansi pemerintah di bidang kegiatan
statistik
e. Penyelenggaraan pembinaan dan pelayanan administrasi umum di bidang
perencanaan umum, ketatausahaan, organisasi dan tata laksana, kepegawaian,
keuangan, kearsipan, persandian, perlengkapan, dan rumah tangga.

2.4 Kewenangan
Berdasarkan Keputusan Presiden Republik Indonesia Nomor 103 Tahun 2001 dalam
menyelenggarakan fungsinya BPS mempunyai kewenangan :
1) Penyusunan rencana nasional secara makro di bidangnya
2) Perumusan kebijakan di bidangnya untuk mendukung pembangunan secara makro
3) Penetapan sistem informasi di bidangnya
4) Penetapan dan penyelenggaraan statistik nasional
5) Kewenangan lain yang melekat dan telah dilaksanakan sesuai dengan ketentuan
peraturan perundang-undangan yang berlaku, yaitu :
a) Perumusan dan pelaksanaan kebijakan tertentu di bidang kegiatan statistic.
b) Penyusunan pedoman penyelenggaraan survei statistik sektoral
2.5 Struktur Organisasi BPS Boyolali
Berikut bagan struktur organisasi pada BPS boyolali:

Berikut ini merupakan struktur organisasi pada Badan Pusat Statistik kabupaten boyolali
A. Kepala
IR. Sri Ariyanto
B. Bagian Tata Usaha
1) Sunaryo
2) Untung
3) Rini Wijayanti
4) Djoko Santosa
5) Nevi Rahayu
C. Bidang Statistik Sosial
1) Dani Dwi Widagdo
2) Heru Sigit
D. Bidang Statistik Produksi
1) Sri Setyardjo
2) Joko Arif Yuwono
E. Bidang Statistik Distribusi
1) Hari Rinawan
2) Sulistiyaningsih
F. Bidang Neraca Wilayah dan Analisa Statistik
1) Suharto
2) Avia Dwi Shanti
G. Bidang Integrasi Pengolahan dan Diseminasi Statistik
1) Sudarmadi
2) Wulan Fitriyanti

2.6 Produk
Berikut beberapa produk atau publikasi pada BPS Boyolali
1. Buku Boyolali dalam Angka
Buku yang berisi tentang segala hal pendataan yang telah dilakukan oleh BPS,
dimana didalamnya berisi table-tabel angka yang merupakan hasil sensus dari
Kabupaten Boyolali

Gambar 2.1

2. Buku pendapatan Domestik Regional Bruto ( PDRB )


Buku yang menjelaskan segala hal tentang pendapatan yang didapat oleh Kabupaten
Boyolali dalam segala bidang.
Gambar 2.2

3. Buku Indeks harga Konsumen ( IHK )


Buku yang menjelaskan tentang inflasi atau deflasi yang terjadi terhadap indeks
harga konsumen.

Gambar 2.3

2.7 Program Kerja

BPS melakukan kegiatan pengumpulan data melalui sensus, survei antar sensus, survei
sektoral atau survei lintas sektoral, studi khusus dan kompilasi catatan administrasi atau
data sekunder. Sensus adalah cara pengumpulan data yang dilakukan melalui pencacahan
semua unit populasi diseluruh wilayah Republik Indonesia untuk memperolrh karakteristik
populasi pada saat tertentu.

BPS melakukan tiga kali sensus yaitu, Sensus penduduk (Pada tahun berakhiran 0), Sensus
Pertanian (Pada tahun berakhiran 3), dan Sensus Ekonomi (pada tahun berakhiran 6) dan
melakukan pengumpulan data Potensi Desa (PODES) sebagai rangkaian kegiatan
penyelenggaraan suatu sensus.
2.8 Klien / Kerjasama
Beberapa klien kami adalah

1. Badan Pusat Statistik


2. BPS Provinsi Jawa Tengah
3. Sekolah Tinggi Ilmu Statistik
4. Kabupaten Boyolali
5. Dinas Tenaga Kerja dan Transmigrasi Provinsi Jawa Tengah
6. Biro Pembangunan Daerah
7. Dinas Perikanan & Kelautan Provinsi Jawa Tengah
8. Badan Informasi Komunikasi & Kehumasan Provinsi Jawa Tengah
9. Dinas Perhubungan Komunikasi dan Informasi
10. Badan Pemerintahan Daerah

BAB III
ANALISIS dan PEMBAHASAN

3.1. Sistem Pengumpulan Data

BPS melakukan kegiatan pengumpulan data melalui sensus, survei antar sensus, survei
sektoral/lintas sektoral, studi khusus dan kompilasi catatan administrasi/data sekunder.
Sensus adalah cara pengumpulan data yang dilakukan melalui pencacahan semua unit
populasi di seluruh wilayah Republik Indonesia untuk memperoleh karakteristik populasi
pada saat tertentu.

BPS melakukan 3 kali sensus : Sensus Penduduk ( pada tahun berakhiran 0), Sensus
Pertanian (pada tahun berakhiran 3), dan Sensus Ekonomi (pada tahun berakhiran 6), dan
pengumpulan data Potensi Desa sebagai rangkaian kegiatan penyelenggaraan suatu sensus.

3.1.1 Siklus Pelaksanaan Sensus

Pencacahan dalam sensus penduduk dilaksanakan untuk mengumpulkan karakteristik


pokok dan rinci terhadap seluruh penduduk baik yang bertempat tinggal tetap maupun
yang tidak mempunyai tempat tinggal tetap (tunawisma, anak buah kapal Indonesia,
manusia/orang perahu, dan suku terasing). Karakteristik pokok dan rinci tersebut
mencakup karakteristik tentang penduduk perumahan dan lingkungannya, dan karakteristik
lain yang termasuk dalam lingkup statistik dasar bidang kependudukan. Sensus penduduk
terakhir dilaksanakan BPS pada tahun 2000, dengan desain pencacahan lengkap terhadap
perumahan (12 karakteristik) dan penduduk (15 karakteristik).

Pencacahan dalam Sensus Pertanian dilaksanakan untuk mengumpulkan karakteristik


pokok dan rinci terhadap seluruh petani, perusahaan pertanian, dan pegukuran obyek
kegiatan statistik pertanian. Karakteristik pokok dan rinci tersebut mencakup karakteristik
petani, tanah, tanaman, kegiatan usaha di bidang pertanian, serta karakteristik lain yag
termasuk dalam lingkup statistik dasar bidang pertanian.

Pencacahan dalam Sensus Ekonomi dilaksanakan untuk mengumpulkan karakteristik


pokok dan rinci terhadap seluruh perusahaan dan kegiatan usaha di bidang ekonomi
(kecuali pertanian) di seluruh wilayah Indonesia baik yang diusahakan secara permanen
maupun tidak permanen termasuk pertambangan dan penggalian, industri pengolahan,
listrik, gas dan air bersih, bangunan dan konstruksi, perdagangan, restoran dan hotel,
pengangkutan dan komunikasi, keuangan, persewaan dan jasa perusahaan, dan industri
jasa. Karakteristik pokok dan rinci tersebut mencakup kegiatan usaha, penyerapan tenaga
kerja, produksi, pemakaian bahan baku, serta karakteristik lain yang termasuk dalam
lingkup statistik dasar bidang ekonomi.

Survei adalah cara pengumpulan data yang dilakukan melalui pencacahan sampel dari
sesuatu populasi untuk memperkirakan karakteristik suatu obyek pada saat tertentu. BPS
juga melaksanakan Survei antar sensus yaitu survei yang dilakukan diantara 2 (dua) sensus
sejenis. Survei antar sensus tersebut meliputi Survei Penduduk Antar sensus (Supas),
Survei Pertanian Antarsensus (Sutas), dan Survei Ekonomi Antar Sensus (Setas).
Survei sektoral dan lintas sektoral merupakan survei bebas yang tidak berkaitan dengan
salah satu sensus. Namun demikian, survei-survei jenis ini juga dilaksanakan secara
berkala dengan kurun waktu beberapa tahun, tahunan, atau kurang dari setahun, tergantung
pada percepatan perubahan data dan keperluan perencanaan.

Berbagai ragam survei sektoral di antaranya adalah Survei Sosial Ekonomi Nasional
(Susenas), Survei Angkatan Kerja Nasional (Sakernas), Survei Biaya Hidup (SBH), Survei
Potensi Desa (Podes), Survei Industri, Survei Pertanain, Survei Pendapatan Petani dan
Struktur Ongkos Usaha Tani, Survei Koperasi Unit Desa (KUD), Survei Harga Konsumen,
dan Survei Harga Produsen.

Sedangkan jenis Survei Lintas Sektor diantaranya adalah Survei Khusus Tabel Input-
output (SKIO), Survei Khusus Tabungan dan investasi Rumah Tangga (SKTIR), Survei
Triwulan Kegiatan Usaha (STKU), Survei khusus Pendapatan Regional (SKPR), dan
Survei Khusus Pembentukan Modal (SKPM).

Studi Khusus dilaksanakan guna mempelajari berbagai aspek kegiatan statistik untuk
memberi masukan bagi pengumpulan data statistik yang baru atau penyempurnaan metode
yang sudah ada sebelum diimplementasikan secara nasional. Studi khusus juga
diselenggarakan untuk memenuhi permintaan data yang lebih spesifik, misalnya Studi
Khusus Konsumsi Makanan Jadi, Kompilasi Produk administrasi dilakukan oleh BPS
untuk mengadakan kerja sama dengan instansi Pemerintah lainnya dan atau swasta yang
mengelola catatan administrasi dari suatu kegiatan. Contoh hasil dari kompilasi produk
administrasi antara lain data dari Ekspor Barang (PEB), impor barang dan jasa yang
memanfaatkan dokumen Pemberitahuan Impor Untuk Dipakai (PIUD), data statistik
wisatawan mancanegara, data tentang iklim, polusi, penyakit, dan luas panen adalah
beberapa contoh yang diperoleh dari instansi lain.

3.2 Hasil analisis


3.2.1 Pengolahan Citra satelit
Pengolahan citra akan diperkenalkan dengan menggunakan Image Analysis (IA)
yang merupakan sebuah ekstension ArcView yang dibuat oleh ERDAS (developer dari
perangkat lunak pengolahan citra PJ yang banyak dipakai). Hasil pengolahan citra PJ nantinya
bisa dianalisa bersama sama dengan data SIG lain menggunakan ekstension Spatial Analyst
seperti dibahas pada bab sebelumnya. Perlu diingat bahwa IA bukan merupakan sebuah
perangkat lunak yang dirancang khusus untuk pengolahan citra melainkan hanya untuk
memudahkan pengolahan citra sederhana dengan mengunakan platform ArcView. Untuk
pengolahan citra lanjutan, pembaca disarankan untuk memakai dan menggunakan perangkat
lunak yang khusus dirancang untuk hal tersebut.

Adapun hal-hal yang bisa dikerjakan oleh IA diantaranya adalah:

1) Mengimpor citra (dalam bentuk data raster) untuk digunakan dalam ArcView.
2) Mengklasifikasi sebuah citra menjadi beberapa kelas tipe penutupan lahan
seperti vegetasi dll.
3) Mempelajari beberapa citra dari periode pengambilan yang berbeda untuk
menentukan area yang mengalami perubahan.
4) Mencari daerah dengan tingkat kerapatan vegetasi tertentu dari sebuah
citra.
5) Menajamkan kenampakan sebuah citra dengan cara menyesuaikan kontras dan
tingkat kecerahan atau dengan merentangkan histogram.
6) Merektifikasi sebuah citra terhadap sebuah peta acuan supaya posisi koordinat
lebih akurat.

Kita hanya akan membahas sebagian dari kapasitas IA, yaitu:

1) visualisasi citra

2) rektifikasi citra

3) mosaic beberapa citra dari area yang berbeda.

Memperbaiki Kenampakan Sebuah Citra


Seperti dibahas sebelumnya, apabila sebuah citra ditampilkan berdasarkan hubungan
linier antara digital number dengan derajat keabuan (untuk hitam putih) atau nilai display
(apabila kita memakai pewarnaan), citra tersebut mungkin akan tampak terlalu terang atau terlalu
gelap sehingga sulit untuk dianalisa. Hal ini bisa diperbaiki dengan mengubah hubungan
linier tersebut. IA mempunyai cara yang agak berbeda dalam menggambarkan kurva
hubungan antara digital number dengan nilai display dari yang dipaparkan di atas,
yaitu dengan menggunakan histogram. Dalam hal ini axis x menggambarkan digital
number dan nilai display sekaligus, sedangkan axis y menggambarkan frekuensi dari
munculnya masing-masing digital number pada citra. Pada awalnya, dengan hubungan linier
antara digital number dan nilai display, histogram antara keduanya berhimpit. Kemudian apabila
kita mengubah hubungan ini, histogram dari nilai display akan berubah, sehingga keduanya
tidak lagi berhimpit. Praktek yang paling sering dilakukan untuk memperbaiki tampilan citra
adalah dengan merentangkan histogram nilai display. Sebagai contoh kita akan melakukan
Histogram Equalization, yaitu mendistribusikan nilai display sehingga frekuensinya kira-kira
sama pada citra.

Langkah-langkah yang diambil:

1) Aktifkan perangkat lunak ArcView. Dad menu utama pilih File diikuti dengan
Extension, klik Image Analysis diikuti dengan OK.

Gambar 1. Kotak dialog Extension

2) Lanjutkan dengan membuka view baru, dan tekan tombol Add Theme. Supaya bisa
menggunakan fasilitas pada IA, file harus dibaca sebagai file IA. Caranya, pada
kotak dialog Add Theme, pada list Data Source Types, pilih Image Analysis
Data Source. Buka file D:\Remote Sensing\TM980126G.lan dan klik OK. Akan
muncul kotak dialog yang menanyakan apakah anda ingin IA menghitung
pyramid layers untuk citra tersebut. Anda tidak harus menjawab YES, pyramid
layer ini akan sangat berguna dalam mempercepat proses pergantian layer
apabila citra yang ditampilkan berukuran besar dan anda banyak melakukan
zoom in dan zoom out serta menggeser citra. Anda bisa menjawab NO jika
citra yang dipakai berukuran cukup kecil.

3) Citra TM980126G.lan akan muncul pada layar. Aktifkan theme tersebut,


kemudian klik dua kali sampai muncul window kecil Legend Editor,

Gambar 2. Dialog untuk mengatur prosedur stretching dan tampilan citra

4) Pilih kombinasi RGB layer 432 untuk memilih kombinasi RGB pada band 432
(false color composite). Klik tombol Advanced di bagian bawah Legend Editor.
Akan muncul histogram untuk masing - masing warna.
Gambar 3. Histogram dari digital number display number citra lansat dan hasil stretch
standard deviation

Sebagai contoh, perhatikan histogram paling kin untuk warna merah. Dalam hal ini kita
melihat dua histogram yaitu histogram yang berwarna hitam untuk digital number dan warna
merah untuk nilai display. Perhatikan bahwa nilai display jauh lebih menyebar dibandingkan
display number. Dalam IA, sebelum kita melakukan transformasi histogram, default
penajaman tampilan yang dilakukan oleh IA adalah dengan menggunakan stretch Standard
Deviations dengan jumlah standard deviation sama dengan dua. Dengan stretch in, nilai
display dari digital number yang besarnya lebih atau kurang dari mean ditambah atau
dikurangi 2 kali standard deviasi akan menjadi 255 atau 0.
Gambar 4. Tampilan citra dengan false color composite dan stretch standard deviation
yang merupakan default dari IA

5) Anda bisa memilih cara perentangan yang lain. Dan Legend Editor, klik pada daftar
pilihan Stretch dan pilihlah Histogram Equalize, kemudian klik Apply. Perhatikan
tampilan citra sekarang dan juga histogram yang berhimpit untuk mempelajari
bagaimana perentangan histogram nilai display ini memberikan efek kepada tampilan
citra.
Gambar 5. Tampilan citra dengan false color composite menggunakan histogram
equalize

Gambar 6. Histogram dari digital number dan display number citra Landsat dengan
Histogram Equalized

6) Cobalah bereksplorasi dengan Minimim-maximum, Level Slice. Perhatikan tampilan


citra dan histogram baru yang menunjukkan distribusi nilai display.
Apabila kita menginginkan kecerahan terbalik, kita bias menggunakan Invert Stretch.
Areal yang tadinya tampak cerah akan menjadi gelap dan sebaliknya.

7) Kembalikan tampilan dengan stretch Standard Deviation.


Pada Legend Editor dialog, aktifkan Invert Stretch. Kemudian klik Apply

Berikut adalah gambar hasil Dari invert Sretch :

Gambar 7. Tampilan citra dengan false color composite dengan invert stretch dari
standard deviation
Gambar 8. Histogram dari digital number dan display number citra landzat dengan invert
stretch dari standard Deviation

8) Perhatikan perubahan pada citra dan histogram. Anda bisa mengklik Undo pada
Advanced dialog untuk mengembalikan display citra seperti sebelumnya. Tekan Close
untuk menutup Legend Editor dialog.

Mengelompokkan Area dengan Karakter yang Sama

Menggunakan Seed tool


IA dapat dengan cepat mengidentifikasi daerah dengan karakteristik yang
sama dari sebuah citra dengan menggunakan fasilitas Seed tool. Fasilitas ini sangat berguna
untuk proses identifikasi cepat seperti bekas kebakaran hutan, atau daerah terbuka. Polygon
hasil proses identifikasi ini dapat langsung disimpan ke dalam format shapefile ArcView.
Perlu diingat bahwa fasilitas ini bukanlah pengganti klasifikasi otomatis pada pengolahan
citra, tetapi lebih merupakan alternatif dari digitasi secara manual pada layar monitor yang
berketelitian sangat rendah.
 Aktifkan theme 116_60_542_15052003 di dalam View.

 Zoom daerah yang diinginkan, misalnya pemukiman kota Boyolali.

 Dari menu Image Analysis, pilih Seed Tool Properties.

 Di dalam kotak isian Seed Radius, ketikkan 5 pixels, kemudian pastikan kotak
Include Islands Polygon tidak terpilih. Seed Radius menentukan jumlah pixel di
sekeliling pixel target.

 Klik OK dalam dialog Seed Tool Properties.

 Klik ikon yang ada pada menu utama kemudian klik di tengah-tengah daerah yang
diinginkan. Seed Tool akan bekerja beberapa saat untuk membuat polygon
yang mencakup pixel-pixel dengan karakter yang serupa dengan pixel seed.
Berikut adalah gambar hasil identifikasi area dengan karakter yang sama:

Gambar 9. Hasil identifikasi area dengan karakter yang sama

Menggunakan Find Like Areas

Find Like Areas mengidentifikasi areal berasarkan kesamaan karakteristik.


Fungsi ini mirip seperti Seed tool. Kita dapat menggunakan hasil dari Seed tool untuk
mengidentifiksi areal pada sebuah citra dengan Find Like Areas. Find Like Areas hanya
menggunakan band yang ditampilkan pada view untuk menemukan lokasi yang serupa pada
seluruh citra.
Proses Find Like Areas dilakukan menggunakan sebuah klasifikasi parallelepiped. Find Like
Areas menganalisa pixel yang sama berdasarkan gambar (titik/polygon) yang. Jika pixel memiliki
nilai yng sama maka akan dikelompokkan pada output thema yang sama. Jika nama kelas
sudah ada maka area akan ditambahkan dalam kelas yang sudah ada. Jika nama kelas
belum ada dalam thema, maka akan dibuat kelas baru pada thema.

Membuat dan mengisi sebuah thema Find Like Areas

 Tampilkan data citra mojosongo.tiff pada sebuah view.


 Klik Seed tool, kemudian buat titik atau poligon untuk memilih sebuah area yang
diinginkan. (lahan terbuka)
 Pastikan bahwa poligon tersebut dalam keadaan terpilih.
Gambar yang dikelilingi ileh warna hijau merupakan Poligon terpilih :

Gambar 10. Poligon terpilih

 Dari Image Analysis menu, pilih Find Like Areas.


 Klik tombol New untuk membuat thema baru. Akan muncul New Classification
dalam kotak Output Image Theme.

Gambar 11. Kotak dialog Find Like Area

 Klik pada kotak Class Name dan ketik 'lahan terbuka', kemudian tekan Enter
pada keyboard.
 Klik OK pada kotak dialog Find Like Areas.
 Setelah proses selesai lihat pada citra akan dihasilkan klasifikasi pada area yang
memiliki kesamaan nilai atau karakter.
Berikut adalah Hasil dari proses find like areas

Gambar 12. Hasil dari proses find like areas

Menambahkan sebuah kelas pada thema yang sudah ada


 Buat lagi sebuah poligon pada tutupan air.
 Pastikan gambar poligon tersebut terpilih

Gambar 13. Kotak dialog Find Like Area

 Klik pada Output Image Theme dan pilih thema yang sudah ada.
 Klik pada kotak Class Name dan ketik 'Air". Tekan ENTER pada keyboard.
 Klik OK pada kotak dialog Find Like Areas.
 Ketika proses selesai maka akan ditambahkan kelas baru pada theme yang sudah ada
yaitu "Air'.
Gambar 14. Hasil dari proses find like areas

Membuat Klasifikasi Citra

IA menyediakan fasilitas klasifikasi tak terbimbing (unsupervised classification) untuk


mengkategorikan sebuah citra kontinyu menjadi klas tematik yang berguna. Anda harus
menentukan jumlah kelas yang diinginkan. IA kemudian akan melakukan proses
penghitungan yang menempatkan masing-masing pixel ke dalam kelas yang sesuai tergantung
pada digital number. Dari pengkategorian ini, bisa menghitung area dengan tutupan lahan
yang berbeda pada citra. Anda bisa menamakan kelas- kelas tersebut dengan hutan, air dan
lahan terbuka. Teknik ini digunakan sebagai cara yang cepat untuk memperoleh klasifikasi yang
cukup umum dan tidak terlalu akurat. Untuk klasifikasi yang memerlukan ketelitian tinggi
disarankan untuk menggunakan perangkat lunak yang khusus dirancang untuk pengolahan
citra digital. Data yang akan digunakan merupakan citra sekitar kota Boyolali.

· Tambahkan dan aktifkan theme boyolali.img yang bisa diambil dari Image Analysis Data
Source. Dari menu Image Analysis, pilih Categorize .... Pada kotak isian Desired number
of classes, ketiklah 15 untuk mengklasifikasikan citra ke dalam 15 kelas. Kemudian klik
OK.

· Setelah proses klasifikasi selesai, aktifkan theme Categorization.img yang merupakan citra
hasil klasifikasi menjadi 15 kelas tutupan lahan. Double klik pada theme Categorization.img
untuk mengaktifkan Legend Editor.
· Double klik pada kolom Symbol pada dialog Legend Editor untuk memunculkan Color
Palette. Klik warna hitam untuk Value 0 (yang merupakan kelas yang tidak
terklasifikasikan). Kemudian lakukan hal yang sama untuk Value 1, 2, 3 sampai 15 dengan
warna yang berbeda serta ubah labelnya sesuai dengan tutupannya. Untuk melihat jenis
tutupan pada citra terklasifikasi zoom dan lihat tutupan pada citra sebelum terklasifikasi,
dengan cara mengaktifkan dan menonaktifkan citra hasil klasifikasi. Kemudian klik Apply.

· Tutup Color Palette dan Legend Editor.

Gambar 15. Hasil Klasifikasi tak terbimbing dari Boyolali.img

Mosaik citra
IA menawarkan fasilitas untuk membuat mosaik atau menggabungkan beberapa
citra ke dalam satu citra yang meliputi keseluruhan area. Untuk melakukan mosaik citra,
terlebih dulu tampilkan semua citra yang akan dimosaik dalam satu View dan pastikan mereka
mempunyai jumlah band yang sama. Untuk latihan ini, kita akan kembali menggunakan data
citra Melak.
 Aktifkan kedua citra D:\Remote Sensing\Boyolali.tiff dan D:\Remote Sensing\teras.tiff

Gambar 16. Tampilan 2 citra

 Klik Image Analysis menu, kemudian pilih Mosaic. Image Analysis akan langsung
menjalankan proses mosaik begitu anda klik Image Analysis kemudian Mosaic.
Perhatikan bahwa sebuah theme baru akan dihasilkan oleh IA, yang merupakan
mosaic dari dua theme. Anda bisa menyimpan hasil mosaic ini ke dalam file baru untuk
penggunaan selanjutnya.

BAB IV
PENUTUP
Dari pelaksanaan Praktik Kerja Lapangan tersebut, Penulis dapat mengambil kesimpulan
sebagai berikut :
5.1 Kesimpulan
Arcview merupakan salah satu perangkat lunak GIS yang populer dan paling banyak
digunakan untuk mengelola data spasial. Arcview dibuat oleh ESRI (Environmental Systems
Research Institute). Dengan Arcview kita dengan mudah dapat mengelola data, menganalisa
dan membuat peta serta laporan yang berkaitan dengan data spasial bereferensi geografis.

1.2 Saran

1. Ikatan persudaraan dan kekeluargaan antar karyawan perlu ditingkatkan agar terjadi
kerja sama yang optimal dan terciptanya keadaan yang nyaman untuk bekerja sama.

2. Pada pemetaan penggunaan lahan dengan metode interpretasi Citra Satelit beresolusi
tinggi hendaknya memakai citra dengan tanggal pengambilan gambar tidak jauh beda
dengan waktu penelitian sehingga kenampakannya memang aktual dan tidak terjadi
perubahan yang signifikan.

You might also like