Integrasi Pendekatan Penginderaan Jauh dan Platform Google Earth Engine untuk Estimasi Harga Tanah di Wilayah Pedesaan
DOI:
https://doi.org/10.31315/imagi.v5i2.15587Keywords:
GEE, NDBI, harga tanahAbstract
Informasi harga tanah di wilayah pedesaan sangat dipengaruhi oleh variasi tutupan lahan, di mana harga tanah pada klasifikasi area lahan terbangun, ledokan, maupun hutan akan memiliki perbedaan. Informasi harga tanah yang umumnya diperoleh melalui metode sampling, sangat bergantung pada kemampuan petugas survei dalam mengidentifikasi harga tanah berdasarkan jenis tutupan lahan dan informasi harga di lapangan. Kegiatan sampling harga tanah ini memiliki tantangan yang besar terkait dengan kebutuhan jumlah SDM dan waktu akuisisi data yang tidak mampu mengimbangi kecepatan dinamika perubahan harga tanah di lapangan. Teknologi penginderaan jauh telah dikenal mampu untuk mendeteksi informasi diatas permukaan bumi dengan cakupan yang luas. Penelitian ini mencoba mengintegrasikan teknologi penginderaan jauh dan platform Google Earth Engine (GEE) dalam proses klasifikasi tutupan lahan yang kemudian digunakan sebagai basemap untuk penentuan harga tanah lanjutan sesuai klasifikasi tutupan lahannya. Penelitian ini memilih Kapanewon Saptosari dan Panggang Kabupaten Gunungkidul sebagai lokasi studi dengan pertimbangan klasifikasi tutupan lahan yang unik dan harga tanah yang cenderung tidak memiliki variasi harga yang tinggi pada setiap kelasnya. Data harga tanah diperoleh pada penelitian ini yaitu melalui wawancara mendalam dengan responden yang dipilih menggunakan teknik purposive sampling, yang hasilnya kemudian dikelompokkan berdasarkan kategori tutupan lahan dominan di lokasi studi. Data spasial dari citra satelit dianalisis menggunakan algoritma band ratio NDBI dan teknik ambang batas nilai reflektan (threshold) di GEE untuk membedakan tiga kelas utama pada daerah ini yaitu area terbangun (pemukiman atau pekarangan), ledokan, dan hutan. Algoritma band ratio NDBI dipilih karena dinilai efektif dalam membedakan area terbangun yang berskala kecil dan tersebar, sebagaimana karakteristik pemukiman di wilayah pedesaan, sehingga hasil klasifikasi tutupan lahan dapat lebih akurat dan mudah diinterpretasi. Hasil penelitian menunjukkan bahwa pendekatan tekknologi penginderaan jauh dan algoritma band ratio NDBI yang diolah melalui platform GEE mampu menunjukkan peningkatan kecepatan estimasi harga tanah di area pedesaan secara massive untuk tujuan penggunaan yang lebih praktis sehingga informasi harga tanah dapat divisualisasikan dengan baik.
References
Deviantari, U. W., Budisusanto, Y., & Majdi, N. (2017). Pemanfaatan Peta Kontur Zona Nilai Tanah Pada Data Nilai Jual Objek Pajak Tahun 2015 untuk Identifikasi Lokasi Central Bussiness District (Studi Kasus: Uptd 8 Kota Surabaya). Geoid, 12(2), 168–172.
El, U., Kiat, I., Rizky, A., Geografi, F., Muhammadiyah, U., Geografi, F., Surakarta, M., Selatan, P., Gunungkidul, K., Lingkungan, F., & Wilayah, E. (2022). Analisis potensi dan hambatan fisik lingkungan untuk pengembangan wilayah berbasis geowisata di pesisir kabupaten gunungkidul. 5(3).
ESA. (2013). SENTINEL-2 User Handbook Sentinel-2 User Handbook SENTINEL-2 User Handbook Title Sentinel-2 User Handbook Issue 1 Revision 1 SENTINEL-2 User Handbook.
Kaya, Z., & Dervisoglu, A. (2023). Determination of Urban Areas Using Google Earth Engine and Spectral Indices; Esenyurt Case Study. International Journal of Environment and Geoinformatics, 10(1), 1–8. https://doi.org/10.30897/ijegeo.1214001
Kebede, T. A., Hailu, B. T., & Suryabhagavan, K. V. (2022). Evaluation of spectral built-up indices for impervious surface extraction using Sentinel-2A MSI imageries: A case of Addis Ababa city, Ethiopia. Environmental Challenges, 8, 100568. https://doi.org/https://doi.org/10.1016/j.envc.2022.100568
Khoironi, A., Wibowo, T., Studi, P., Geomatika, T., & Its, F. (2016). Studi Penentuan Tanah.
Memon, M. A., Thurasamy, R., Ting, H., & Cheah, J. H. (2025). PURPOSIVE SAMPLING: A REVIEW AND GUIDELINES FOR QUANTITATIVE RESEARCH. Journal of Applied Structural Equation Modeling, 9(1), 1–23. https://doi.org/10.47263/JASEM.9(1)01
Raiza Pratama, M., & Riana, D. (2022). Klasifikasi Penutupan Lahan Menggunakan Google Earth Engine dengan Metode Klasifikasi Terbimbing pada Wilayah Penajam Paser Utara. Jurnal Jupiter, 1, 637–650.
Ramadhan, F. D., Hariyanto, T., & Hapsari Handayani, H. (2021). Analysis of Urban Built-up Expansion Based on Combination of Spectral Indices in Surabaya City. Geoid, 17(1), 21–37.
Rizki Budi K, Sutomo Kahar, S. S. (2014). PEMBUATAN PETA ZONA NILAI TANAH DENGAN PENDEKATAN PENILAIAN MASSAL UNTUK MENINGKATKAN POTENSI PAD (PENDAPATAN ASLI DAERAH) KHUSUSNYA PBB DAN BPHTB (Studi. 5, 122–131.
Saputro, P. A. (2015). Analisis Dampak Kegiatan Pariwisata di Kawasan Pesisir Pantai Selatan Gunung Kidul Terhadap Kesejahteraan Mayarakat Desa Kemadang Kecamatan Tanjungsari Kabupaten Gunung Kidul. 2, 322934.
Sitanggang, G. (2010). Sistem Penginderaan Jauh Satelit Ldcm (Landsat-8). Kajian Pemanfaatan Satelit Masa Depan, 11(2), 47–58.
Zha, Y., Gao, J., & Ni, S. (2003). Use of normalized difference built-up index in automatically mapping urban areas from TM imagery. International Journal of Remote Sensing, 24(3), 583–594. https://doi.org/10.1080/01431160304987
Zhao, C., Ogawa, Y., Chen, S., Oki, T., & Sekimoto, Y. (2023). Quantitative land price analysis via computer vision from street view images. Engineering Applications of Artificial Intelligence, 123, 106294. https://doi.org/https://doi.org/10.1016/j.engappai.2023.106294
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 Lysa Dora Ayu Nugraini, Dania Hellin Amrina; Feny Arafah

This work is licensed under a Creative Commons Attribution 4.0 International License.





