Ditulis oleh:

Reza Isnawati, Ardhi Rahman Maulana, Faridzatul Azna, Kalita Adelpha Fatima, dan Muhammad Syahmi Syihabbudin.

Pendahuluan

Permasalahan lingkungan merupakan isu yang krusial di seluruh dunia. Seiring dengan meningkatnya kebutuhan dan aktivitas manusia setiap hari, permasalahan lingkungan semakin mendesak untuk ditanggulangi karena dampaknya yang langsung terhadap ekosistem. Permasalahan lingkungan ini juga dipengaruhi oleh iklim, pencemaran serta pengolahan sumber daya alam yang tidak dilakukan secara berkelanjutan. Hal ini juga turut menjadi faktor dari permasalahan lingkungan ini. Permasalahan pada pencemaran merupakan salah satu contoh permasalah lingkungan yang dilakukan oleh manusia. ada banyak sekali jenis pencemaran, seperti pencemaran tanah, pencemaran udara dan juga pencemaran air turut menjadi fokus utama tentang cara menanggulangi hal tersebut.

Salah satu jenis pencemaran yang dapat langsung memiliki dampaknya terhadap manusia adalah pencemaran air. Pencemaran air memiliki dampak yang serius karena dapat dirasakan oleh masyarakat luas. Sumber pencemaran air ini berasal dari bahan-bahan seperti limbah pertanian, limbah domestik dan limbah rumah tangga. Di Indonesia, permasalahan air ini menjadi tugas besar yang harus ditanggulangi. Faktor kepadatan penduduk juga turut mendukung terjadinya pencemaran air yang terjadi di waduk, sungai dan irigasi. Oleh karena itu, peran aktif masyarakat dan pemerintah sangat diperlukan untuk mengatasi permasalahan ini.

Dalam mengetahui suatu permasalahan di suatu wilayah, terdapat beberapa metode yang dapat dilakukan untuk mengamati keadaan di lokasi tersebut. Beberapa metode yang dapat dilakukan yaitu ground checking dan remote sensing. Metode ground checking merupakan metode yang dilakukan dengan cara pengecekan ke lapangan secara langsung untuk memastikan keakuratan data serta mendapatkan informasi yang sesuai dengan kondisi nyata di wilayah tersebut.

Selain menggunakan metode ground checking, terdapat metode lain seperti remote sensing. Remote sensing atau penginderaan jauh merupakan salah satu metode yang dilakukan dengan mengumpulkan informasi terkait kondisi di suatu wilayah tanpa langsung mendatangi wilayah tersebut. Metode ini dilakukan dari jarak jauh dan biasanya menggunakan data berupa citra. Remote sensing sangat efisien dalam menghemat biaya dan waktu, tetapi keakuratannya perlu diverifikasi melalui pengecekan langsung ke lapangan guna memastikan hasil yang lebih akurat.

Dalam studi penelitian ini, kami melakukan analisis untuk menilai kadar kekeruhan dan tingkat pencemaran air di Waduk Kedung Ombo. Selain itu, kami juga menganalisis korelasi antara penggunaan lahan yang ada di daerah sekitar Waduk Kedung Ombo dan daerah lainnya. Tujuan dari penelitian ini adalah menyediakan informasi yang dapat memberikan gambaran terkait pencemaran air di sekitar waduk Kedung Ombo. Dengan demikian, masyarakat dan pemangku kebijakan dapat mengambil keputusan yang tepat guna mencegah pencemaran air yang lebih parah.

Metode yang digunakan dalam penelitian yang ini adalah Modified Normalized Difference Water Index (MNDWI) dan Total Suspended Solids (TSS). Melalui indeks ini, kami menganalisis tingkat kekeruhan air yang sangat penting dalam analisis kualitas air di suatu daerah kajian. Kombinasi kedua metode ini tentunya sangat efektif untuk digunakan daripada menggunakan indeks lain untuk melihat tingkat kekeruhan air. Dalam hal ini, kami menggunakan citra Sentinel 2A dari tahun 2018-2023 untuk metode MNDWI ini yang dapat membantu dalam memetakan informasi dari waktu ke waktu. Sementara itu, metode TSS ini juga memanfaatkan Citra Sentinel 2A sebagai sumber data utama, penggunaan metode ini dapat memberikan informasi kuantitatif tentang tingkat pencemaran.

Melalui penelitian ini, kami berharap masyarakat semakin peduli terhadap kondisi di lingkungan sekitar. Selain itu, masyarakat dan pemangku kebijakan dapat memberikan solusi dan antisipasi untuk mencegah hal-hal yang tidak diinginkan. Pemerintah juga diharapkan dapat mengontrol penggunaan lahan yang ada di daerah tersebut.

Metodologi

2.1 Area Penelitian

Area penelitian dapat dilihat pada Gambar 1.

2.2 Pengambilan Data

Data yang digunakan dapat dilihat pada Tabel 1.

Sentinel-2 merupakan bagian penting dari program Copernicus yang menyediakan citra multispektral resolusi tinggi untuk berbagai aplikasi. Dalam pemantauan lahan, Sentinel-2 berfungsi untuk mendukung pertanian presisi dengan menilai kesehatan tanaman dan memantau pertumbuhan, serta membantu dalam pemetaan perubahan penggunaan lahan dan deforestasi. Dalam konteks manajemen darurat, citra ini digunakan untuk menilai kerusakan akibat bencana alam dan merencanakan upaya pemulihan, serta melakukan pemantauan risiko di area rentan. Untuk keamanan, Sentinel-2 membantu dalam pengawasan perbatasan dan mendeteksi aktivitas ilegal, serta melacak perubahan lingkungan yang dapat memicu konflik. Terakhir, dalam hal perubahan iklim, data dari Sentinel-2 digunakan untuk menganalisis perubahan permukaan lahan dan dampaknya terhadap pola iklim, serta mendukung konservasi keanekaragaman hayati melalui pemantauan ekosistem.

2.3 Metode

2.3.1 Metode Slovin

Metode slovin merupakan metode penentuan jumlah sampel yang digunakan untuk mendapatkan jumlah minimum dalam populasi terbatas atau disebut juga dengan finite population survey. Rumus yang digunakan untuk menentukan berapa sampel yang akan diambil.

Keterangan

n = Jumlah sampel

N = Jumlah populasi

e = batas kesalahan maksimal yang ditoleransi dalam sampel (tingkat signifikansi) yang digunakan adalah 0,05 (5%).

Dengan demikian, rumus slovin dipakai pada penentuan sampel uji akurasi seperti di bawah ini

Hasil perhitungan menggunakan rumus Slovin menunjukkan bahwa total sampel uji akurasi yang harus diambil adalah sekitar 99 sampel, agar tingkat kesalahan dalam uji akurasi di bawah 10% dan memenuhi kriteria 90% hasil pengolahan adalah benar.

2.3.2 Metode Supervised

Supervised atau biasa yang disebut dengan klasifikasi terbimbing adalah metode analisis citra yang digunakan untuk mengidentifikasi dan mengklasifikasikan tutupan lahan berdasarkan area yang telah ditentukan sebelumnya. Dalam metode ini, beberapa area pelatihan (training area) di ambil dari citra untuk mewakili kelas tutupan lahan yang ada. Selanjutnya, semua piksel dalam citra akan diklasifikasikan berdasarkan data dari area pelatihan tersebut (Septiani Eta al. 2019).

Untuk menghasilkan data yang akurat mengenai tutupan lahan, metode ini berguna untuk perencanaan dan pengelolaan di Waduk Kedung Ombo. Dalam hal ini, lasifikasi terbimbing biasanya memberikan tingkat akurasi yang lebih tinggi dibandingkan dengan metode klasifikasi tidak terbimbing karena melibatkan pengambilan sampel yang representatif.

2.3.3 Lokasi Penelitian

Pada lokasi yang telah kami teliti, kelompok penulis mengkaji daerah studi di Waduk Kedung Ombo Kabupaten Grobogan, Jawa Tengah. Waduk Ombo terletak di perbatasan tiga kabupaten, yaitu Kabupaten Grobogan, Kabupaten Boyolali, dan Kabupaten Sragen, tepatnya di kecamatan Geyer, Kabupaten Grobogan, Jawa Tengah. Waduk Kembo di bangun pada tahun 1985 hingga 1989 dan diresmikan pada 18 Mei 1991. Waduk ini memiliki dua daerah aliran sungai besar, yaitu Sungai Uter dan Sungai Serang serta memiliki fungsi sebagai penyedia air bagi kebutuhan irigasi dan air baku dan juga penghasil tenaga listrik (PLTA) (Wari dan Bimby, 2016). Selain itu, waduk ini dimanfaatkan sebagai objek pariwisata dan perikanan, dengan adanya keramba-keramba serta area pemancingan.

2.3.4 Alat dan Bahan

Alat dan bahan yang digunakan pada kajian ini meliputi laptop serta perangkat lunak GIS dan Ms. Excel. Adapun data yang diolah dalam penelitian ini adalah citra Sentinel-2 tahun 2018–2023.

2.3.5 Perolehan Data

Data yang digunakan pada penelitian adalah citra Sentinel-2. Kelompok penulis memilih citra yang telah memiliki nilai valid dari hasil unduhan. Data citra diunduh dari ESA Copernicus melalui situs https://www.copernicus.eu/en. Citra yang digunakan dalam penelitian ini diambil pada tanggal 9 September 2020 dan 5 September 2023

2.3.6 Modified Normalized Difference Water Index (MNDWI)

Modified Normalized Difference Water Index (MNDWI) adalah modifikasi dari algoritma NDWI yang digunakan untuk menentukan keberadaan air di permukaan (Muhammad, 2023). Algoritma MNDWI dikembangkan oleh Xu (2006) dengan memanfaatkan band MIR (Middle Infrared). Pada citra Sentinel-2A, band MIR dapat diganti dengan band SWIR sehingga menghasilkan rumus berikut:

Keterangan:

Band green = band 3

Band SWIR = band 11

2.3.7 Total Suspended Solid (TSS)

Total Suspended Solid atau padatan tersuspensi total (TSS) merupakan residu dari padatan total yang tertahan oleh saringan dengan ukuran partikel maksimal 2 μm atau lebih besar dari ukuran partikel koloid. Konsentrasi TSS dalam perairan umumnya terdiri dari fitoplankton, zooplankton, limbah manusia, limbah hewan, lumpur, sisa tanaman dan hewan, serta limbah industri. Bahan-bahan yang tersuspensi di perairan alami tidak bersifat toksik, akan tetapi jika jumlahnya berlebihan dapat meningkatkan nilai kekeruhan yang selanjutnya menghambat penetrasi cahaya matahari ke kolom air (Effendi, 2000 dalam Bachtiar, 2016). Analisis citra untuk menentukan TSS menggunakan algoritma yang dikembangkan oleh Liu dkk (2017) dengan model:

Keterangan:

Exp = 2950

B7 = Band 7

CSPM (Suspended Particulate Matter) dihitung menggunakan Band 7, yang dipilih karena memiliki tingkat akurasi terbaik. Pemilihan Band 7 didasarkan pada nilai MAPE (Mean Absolute Percentage Error) sebesar 16,58%, RMSE (Root Mean Square Error) sebesar 16,50 mg/L, serta nilai F-test yang lebih baik dibandingkan band lainnya.

Pengolahan data ini menggunakan perangkat lunak SNAP yaitu perangkat lunak yang dibuat untuk pengolahan citra Sentinel. Tahapan-tahapan pengolahan ini adalah subset atau memotong citra sesuai dengan area penelitian, kemudian resampling untuk menyamakan nilai masing masing pixel di band-band yang berbeda. Dalam hal ini, band yang digunakan untuk acuan resampling pada penelitian ini adalah band 3 Sentinel 2A.

2.3.8 Korelasi Pearson

Korelasi Pearson adalah korelasi sederhana yang hanya melibatkan satu variabel terikat (dependent) serta satu variabel bebas (independent). Korelasi Pearson bertujuan untuk menghitung koefisien korelasi yang berfungsi untuk mengukur kekuatan hubungan linier antara dua variabel. Jika hubungan dua variabel tidak linier, maka koefisien korelasi Pearson tersebut tidak mencerminkan kekuatan hubungan dua variabel yang sedang diteliti, meski kedua variabel mempunyai hubungan kuat. Indeks ini diwakili oleh huruf "r" dan memiliki nilai antara -1 dan 1, dengan rincian sebagai berikut:

1. r = 1: Hubungan positif sempurna, artinya jika satu variabel naik, variabel lain juga naik secara proporsional.

2. r = -1: Hubungan negatif sempurna, artinya jika satu variabel naik, variabel lain turun secara proporsional.

3. r = 0: Tidak ada hubungan linear antara kedua variabel.

di mana:

● n adalah jumlah pasangan data

● ∑xy adalah jumlah perkalian dari setiap pasangan data x\x dan y

● ∑x dan ∑y adalah jumlah total masing-masing variabel x dan y

● ∑ x2 dan y2 adalah jumlah kuadrat dari masing-masing variabel x dan y

Hasil dan Pembahasan

3.1.1 Hasil dan Analisis Supervised

Hasil analisis supervised menunjukkan bahwa penggunaan lahan di daerah Waduk Kedung Ombo mengalami perubahan signifikan, terutama pada wilayah permukiman. Pada tahun 2018-2019, permukiman di sekitar waduk masih relatif jarang, sedangkan pada periode 2020-2024, jumlahnya meningkat secara signifikan.

Jika dilihat, kondisi badan air Waduk Kedung Ombo pada tahun 2019 dan 2021 mengalami perubahan yang signifikan. Pada tahun 2018-2019, kondisi air pada Waduk Kedung Ombo masih terlihat banyak dan menyeluruh, namun pada tahun 2020-2021 terjadi penyusutan yang menyebabkan kondisi badan air di Waduk Kedung Ombo menipis. Hal ini mungkin terjadi karena banyaknya pembangunan permukiman yang dibangun hingga mendekati wilayah badan air, sehingga badan air menyusut.

Pada tahun 2023-2024, kondisi badan air kembali mengalami peningkatan, namun tanpa adanya pengurangan signifikan pada wilayah permukiman. Hal ini menandakan bahwa kondisi permukiman dengan badan air yang ada di Waduk Kedung Ombo sudah kembali optimal. Akan tetapi, jika dilihat kembali, kondisi perkebunan yang ada di Waduk Kedung Ombo jika dilihat dari hasil supervised terjadi pengurangan lahan perkebunan yang sangat parah. Pada tahun 2018-2019, perkebunan masih sangat mendominasi dibandingkan dengan permukiman, sedangkan pada tahun 2020-2024 kondisi perkebunan sudah kalah dengan permukiman yang menyebabkan juga terjadinya penyusutan badan air.

3.1.2 Hasil dan Analisis MNDWI

Hasil peta di atas menunjukkan indeks kebasahan pada tahun 2018–2019, di mana badan air di sebelah barat masih dalam kondisi normal dan belum mengalami perluasan. Daerah daratan juga masih seimbang pada periode tersebut. Namun, pada tahun 2020–2021 terjadi peningkatan volume kekeringan di beberapa daerah, yang kemungkinan disebabkan oleh peningkatan penggunaan lahan untuk tambak atau gangguan iklim yang terjadi pada tahun tersebut.

Hal ini dapat menjadi indikasi adanya aktivitas penambangan atau pembangunan yang melibatkan perluasan kawasan daratan di sekitar Waduk Kedung Ombo. Selanjutnya, pada tahun 2022–2023, peta Modified Normalized Difference Water Index(MNDWI) di Waduk Kedung Ombo menunjukkan adanya perluasan badan air atau penyusutan wilayah daratan di sekitar waduk. Kondisi ini menunjukkan bahwa Waduk Kedung Ombo mengalami pemulihan kembali.

3.1.3 Hasil dan Analisis TSS

Berdasarkanketiga peta dan gambar yang ditunjukan, dapat dilihat adanya dinamika kadar TSS. Pada peta (A) menunjukan bahwa kadar TSS berada pada beberapa bagian saja namun dengan kadar yang tinggi dilihat dari nilai maksimalnya 654,23 mg/L. Sementara itu, peta (B) yang memvisualisasikan kadar TSS pada periode 2020-2021 menunjukan bahwa kandungan TSS yang ada pada waduk Kedung Ombo mengalami persebaran dan tidak berfokus pada satu titik lagi> Namun, persebaran ini justru menurunkan konsentrasi TSS yang ada pada waduk tersebut. Pada peta terakhir, terlihat bahwa waduk kedung ombo memiliki TSS yang menyebar luas dengan konsentrasi yang tinggi mencapai 961,09 mg/L.

3.1.4 Hasil Uji Akurasi

Dari ketiga peta yang telah dilakukan uji akurasi, terdapat 100 titik sampel yang tersebar di sekitar Waduk Kedung Ombo. Uji akurasi ini dilakukan untuk memvalidasi peta penggunaan lahan yang dibuat menggunakan metode Supervised Classification dengan verifikasi langsung di lapangan. Klasifikasi yang dilakukan mencakup berbagai jenis penggunaan lahan yang berada di sekitaran Waduk Kedung Ombo. Dalam uji akurasi ini melibatkan 5 kelas klasifikasi penggunaan lahan, yaitu perkebunan, pemukiman, badan air, sawah, dan hutan.

Hasil uji akurasi penggunaan lahan tahun 2018-2019 menunjukkan Index Kappa sebesar 87, 59% yang menandakan bahwa peta penggunaan lahan memiliki tingkat akurasi yang cukup tinggi dibandingkan dengan data lapangan pada periode tersebut. Dari 100 titik sampel yang tersebar di sekitar Waduk Kedung Ombo terdapat 91 titik sampel yang sesuai. Klasifikasi penggunaan lahan hutan sebanyak 34 titik sampel sesuai dan 3 titik sampel tidak sesuai, sawah 8 titik sampel sesuai dan 2 titik sampel tidak sesuai, pemukiman 16 titik sampel sesuai dan 2 titik sampel tidak sesuai, badan air 28 titik sampel sesuai dan perkebunan 5 titik sampel sesuai. Persebaran titik sampel memiliki pola persebaran yang cukup beragam dengan hutan sebagai kategori dominan, sedangkan perkebunan memiliki jumlah paling.

Hasil uji akurasi yang dilakukan terhadap peta penggunaan lahan tahun 2020-2021 memiliki Index Kappa sebesar 89,44% lebih tinggi dibandingkan sebelumnya, dengan total 92 titik sampel dari 100 titik sampel yang tersebar di Waduk Kedung Ombo. Perkebunan menjadi penggunaan lahan yang mendominasi pada tahun ini, sebanyak 29 titik sampel yang sesuai dan 1 titik sampel tidak sesuai, dilanjutkan dengan klasifikasi Badan Air dengan titik sampel sesuai sebanyak 26, Hutan sebanyak 22 titik sampel sesuai, kemudian Pemukiman dengan 10 titik sampel sesuai dan yang terakhir Sawah dengan 5 titik sampel sesuai.

Hasil uji akurasi yang dilakukan terhadap peta penggunaan lahan tahun 2022-2023 memiliki Index Kappa sebesar 87,05%, dengan total 90 titik sampel yang sesuai dari 100 titik sampel yang tersebar. Klasifikasi Badan Air mendominasi pada tahun ini, dengan 33 titik sampel yang sesuai, diikuti oleh klasifikasi Hutan yang mencatat 22 titik sampel sesuai dan 2 titik sampel tidak sesuai. Klasifikasi Sawah memiliki total titik sampel sesuai, sementara Perkebunan mencatat 11 titik sampel yang sesuai. Terakhir, klasifikasi Pemukiman memiliki 10 titik sampel sesuai dan 8 titik sampel tidak sesuai.

3.1.5 Diskusi 1

Kualitas perairan Waduk Kedung Ombo periode 2013-2018 masih memenuhi baku mutu pencemaran berdasarkan penelitian yang dilakukan oleh Sukmono (2019). Hal ini terlihat dari nilai parameter TSS yang didominasi kelas yang masih memenuhi baku mutu dengan proporsi selalu diatas 95% dari total perairan setiap tahunnya. Selain itu, berdasarkan parameter klorofil/kesuburan air, perairan waduk masih didominasi kelas oligotrof dengan persentase selalu diatas 90 % dari total perairan dalam setiap tahunnya. Namun jika dilihat dari rentang nilai konsentrasi setiap kelas pencemaran, terlihat adanya peningkatan konsentrasi TSS tertinggi dimana tahun 2013 dengan rentang 0 – 100 mg/l, tahun 2014 dengan rentang 100 – 500 mg/l, tahun 2016 dan 2018 memiliki rentang yang sama sebesar >1000 mg/l.

Melanjutkan penelitian tersebut, kami menganalisis kadar TSS yang ada pada waduk Kedung Ombo beserta luas penggunaan lahan Pemukimannya. Pada periode 2018-2019 kadar TSS di waduk Kedung Ombo memiliki rata-rata 327,115mg/L. Pada periode 2020-2021, kadar TSS rata-rata 224,317 mg/L dan pada periode 2022-2023, dengan kadar TSS rata-rata 480,545 mg/L.

Dari data luas dan kadar TSS tersebut, nilai korelasi dihitung menggunakan metode korelasi pearson. Hasil perhitungan menunjukkan nilai korelasi sebesar 0.1639, yang merupakan angka positif tetapi mendekati nol. Hal ini mengindikasikan bahwa kedua parameter tersebut memiliki keterkaitan, namun hubungan antara keduanya sangat lemah atau hampir tidak signifikan.

3.1.6 Diskusi 2

Penelitian ini masih memiliki banyak aspek yang perlu dikembangkan. Salah satunya adalah penentuan rumus yang digunakan dalam perhitungan TSS. Berbagai jurnal telah melakukan studi terkait analisis TSS dengan berbagai macam rumus. Rumus yang digunakan pada penelitian ini merupakan rumus yang berhasil dijalankan oleh perangkat lunak. Selain itu, penelitian ini hanya berfokus pada pencemaran air.

Selain itu, peningkatan luas permukaan air pada area waduk kedung ombo masih belum memiliki penjelasan yang jelas. Dari berbagai sumber mulai dari jurnal ilmiah maupun berita-berita, tidak ada yang menyatakan perluasan wilayah, melainkan dinyatakan bahwa waduk kedung ombo mengalami penurunan kapasitas air. Penelitian ini juga masih terbatas dengan sampel-sampel yang diambil, sehingga kurang representatif jika menghitung korelasinya dengan metode pearson dan akan lebih menarik apabila banyak sampel yang digunakan.

Kesimpulan

Penelitian ini bertujuan untuk menganalisis apakah terdapat peningkatan kadar TSS di waduk Kedung Ombo selama 6 tahun terakhir yaitu 2018-2023 dan mengaitkan dinamikanya dengan penggunaan lahan permukiman. Dalam rentang waktu tersebut, kadar TSS mengalami fluktuasi dengan rata-rata tertinggi pada 2022-2023 (480,545 mg/L). Korelasi antara kadar TSS dan luas permukiman menggunakan metode Pearson menghasilkan nilai 0.1639, menunjukkan hubungan yang positif tetapi lemah.

Penelitian ini masih memiliki keterbatasan, seperti ketergantungan pada rumus spesifik yang digunakan dalam perangkat lunak, keterbatasan sampel, dan kurangnya data terkait penyebab peningkatan luas permukaan air waduk. Untuk hasil yang lebih representatif, penelitian selanjutnya disarankan menggunakan sampel yang lebih besar, metode analisis yang lebih komprehensif, serta mengeksplorasi faktor lain yang mempengaruhi kondisi waduk.

Daftar Pustaka

Bachtiar, Aditya Hafidz. 2016. Analisis Kesuburan dan Pencemaran Air Berdasarkan Kandungan Klorofil-A dan Konsentrasi TSS secara Multi Temporal di Muara Banjir Kanal Timur. Skripsi Fakultas Teknik Universitas Diponegoro Semarang

Effendi, H. 2000.Telaah Kualitas Air Bagi Pengelolaan Sumberdaya dan Lingkungan Perairan. Jurusan Manajemen Sumberdaya Perairan. Fakultas Perikanan dan Ilmu Kelautan.Institut Pertanian Bogor.hal 12 -18.

Muhammad, Izzuddin. (2023). PENERAPAN ALGORITMA NDWI DAN MNDWI PADA CITRA SATELIT LANDSAT 9 DALAM MEMETAKAN AREA GENANGAN BANJIR DI KABUPATEN KUDUS TAHUN 2023. 4. 1-36.

Imanda, A. M. (2020). Pengembangan Peta Bencana Longsor untuk Mengurangi Rsiko Bencana di Kabupaten Purworejo. Jurnal Geografi: Media Informasi Pengembangan dan Profesi Kegeografian, 17(1), 80–91.

Liu, H., Li, Q., Shi, T., Hu, S., Wu, G. dan Zhou, Q. (2017) “Application of Sentinel 2 MSI Images to Retrieve Suspended Particulate Matter Concentrations in Poyang Lake,” Remote Sensing, 9(7), hal. 761. doi: 10.3390/rs9070761

U.N, S.Kom, M.Kom, D. H., & Agung Setiyadi, S.Kom. (2003). REMOTE SENSING (PENGINDERAAN JAUH). 8, 113-120. https://media.neliti.com/media/publications/241313-remote-sensing-penginderaan-jauh-7b049659.pdf

Faradiba Jabnabilah, Nur Margina. (2022). "Analisis Korelasi Pearson dalam Menentukan Hubungan antara Motivasi Belajar dengan Kemandirian Belajar pada Pembelajaran Daring." Jurnal Sintak, Volume 1, No. 1.