Klasifikasi Area Pada Citra Satelit Dan Penerapannya Pada Pedeteksian Banjir Di Situs Bengawan Solo Arif Rachman H 1), Ir. Dadet Pramadihanto, M.Eng, Ph.D 2), Nana Ramadijanti, S.Kom, M.Kom 3) Jurusan Teknik Informatika, PENS – ITS Surabaya Jl. Raya ITS, Surabaya +62 (31) 594 7280; Fax: +62 (31) 594 6114 E-mail :
[email protected] ,
[email protected] ,
[email protected]
Abstrak Banjir merupakan salah satu jenis bencana alam yang sering terjadi selama musim penghujan. Banjir perlu mendapatkan perhatian serius, karena frekuensi kejadiannya sangat tinggi, sehingga kerugian baik jiwa maupun materi yang ditimbulkan setara dengan bencana alam yang lainnya seperti letusan gunung berapi, dan bencana gempa bumi serta tsunami. Salah satu cara memperkecil resiko banjir adalah dengan membuat sisitem peringatan dini dan salah . adalah sistem peringatan dini menggunakan data citra satelit. Analisis ini dapat dilakukan antara lain dengan mengintegrasikan daerah genangan banjir dengan data real, Data yang digunakan adalah data citra satelit Landsat-5 TM yang memiliki format TIF. Data hasil ekstraksi diproses untuk mendapatkan citra satelit, yang kemudian dilakukan proses NDVI untuk klasifikasi area tersebut. Kata Kunci :Banjir, Klasifikasi Area, Landsat-5 TM, NDVI, TIF.
1. Pendahuluan Saat ini setiap tahun dimusim penghujan daerah sungai bengawan solo telah terjadi banjir yang dikarenakan faktor alam dan faktor yang disebabkan oleh manusia. Sehingga setiap tahun kerugian yang dialami cukup besar, dan hal tersebut berulang setiap tahun. Dan seperti yang kita ketahui, sungai memiliki fungsi utama yaitu sumber air bagi kehidupan kita, antara lain sebagai sistem pengairan, sistem pengangkutan dan sumber tenaga. Fungsi sebagai sistem pengairan karena biasanya para petani menggunakan air sungai untuk mengairi sawah mereka dan juga untuk memberi minum untuk hewan pembajak mereka. Fungsi sebagai sistem pengangkutan karena didaerah tertentu digunakan sebagai untuk menuju kesuatu tempat yang tidak bisa dilalui dengan alat transportasi sehingga harus melalui sungai. Fungsi sebagai sumber tenaga karena aliran air sungai bisa dimanfaatkan sebagai pembangkit listrik tenaga air. Sedemikian pentingnya sungai, sehingga kita patut menjaga dan melestarikan sungai di Indonesia. Salah satu cara penanggulangan banjir adalah tersedianya sistem peringatan dini berdasarkan penemuan daerah genangan air di sekitar situs yang didapat dari citra
satelit. Dengan mengolah citra satelit berdasarkan sensor spektrum cahaya satelit yang digunakan, sehingga gabungan sensor spectrum cahaya yang bekerja dalam band tertentu dapat mengklasifikasi area yang dicurigai sebagai daerah genangan air.
4 4
Gambar. 1.
3 3
Block diagram proses klasifikasi area
2. Model, Analisis, Desain dan Implementasi Blok diagram sistem menggambarkan bagaimana alur proses menggabungkan kanal – kanal yang digunakan untuk melakukan composite gambar satelit, penghitungan nilai NDVI, mengklasifikasi data vegetasi, mengklasifikasi daerah banjir, mentransformasi citra satelit yang seperti dijelaskan pada gambar 1.
2.3.1 Dasar Teori i. Penginderaan-Jauh (Remote Sensing) Penginderaan-Jauh adalah Pengambilan atau pengukuran data atau informasi mengenai sifat dari sebuah fenomena, obyek atau benda dengan menggunakan sebuah alat perekam tanpa berhubungan langsung dengan bahan studi. Salah satu implementasi pada Penginderaan-Jauh adalah pemantauan cuaca bumi. Dalam hal ini, target adalah permukaan bumi, yang melepaskan energi dalam bentuk radiasi infra merah atau energi panas. Energi merambat melalui atmosfir dan ruang angkasa untuk mencapai sensor, yang berada pada platform satelit. Beberapa level energi kemudian dicatat, dikirimkan ke stasiun penerima di bumi, dan diubah menjadi citra yang menunjukkan perbedaan suhu pada permukaan bumi. ii. Citra Normalisasi Citra normalisasi atau NDVI (Normalized Difference Vegetation Index) adalah perhitungan citra yang digunakan untuk mengetahui tingkat kehijauan, yang sangat baik sebagai awal pembagian daerah vegetasi. NDVI dapat menunjukkan parameter yang berhubungan dengan parameter vegetasi, antara lain, biomass dedaunan hijau, daerah dedaunan hijau dan hence yang merupakan nilai yang dapat diperkirakan untuk pembagian vegetasi. Nilai NDVI diperoleh dengan perhitungan nearinfrared dengan visible light yang dipantulkan oleh tumbuhan. Nilai NDVI diperoleh dengan membandingkan pengurangan data near-infrared dan visible dengan penjumlahan kedua data tersebut, berikut rumus penghitungan menggunakan satelit landsat
4 4
3 3
Pengolahan gambar digital atau Digital Image Processing (DIP) adalah bidang yang berkembang sangat pesat sejalan dengan kemajuan teknologi pada industri saat ini. Fungsi utama dari Digital Image Processing adalah untuk memperbaiki kualitas dari gambar hingga gambar dapat dilihat lebih jelas, karena informasi penting diekstrak dari gambar yang dihasilkan harus jelas sehingga didapatkan gambar yang terbaik. Selain itu DIP digunakan untuk memproses data yang diperoleh dalam persepsi mesin, yaitu prosedur-prosedur yang digunakan untuk mengektraksi informasi dari gambar, informasi dalam bentuk yang cocok untuk proses komputer. Keuntungan menggunakan DIP adalah presisi, yaitu pada masing-masing proses fotografi, disini terdapat penurunan kualitas gambar dan sinyal elektrik yang terdrgradasi akibat keterbatasan komponen elektrik, dalam kondisi ini DIP dapat menjaga hasil gambar tetap presisi. Keuntungan yan lain adalah fleksibilitas, yaitu penggunaan yang lebih besar, sebuah gambar dapat di magnified, reduced atau rotated, kontras, brightness dapat diubah. Selain keuntungan DIP juga memiliki kekurangan yaitu kecepatan dan mahal, banyak operasi yang digunakan oleh DIP lebih lambat dan lebih mahal dibandingkan operasi optik atau elektrikal lainnya dan resources untuk menghitung bisa mahal. 2.2 Data Data yang digunakan dalam penelitian menggunakan citra satelit LANDSAT TM5 yang didapatkan langsung dari USGS – NASA,namun kanal yang biasa digunakan untuk proses NDVI adalah kanal 4 dan kanal 3, berikut karakteristik dari citra landsat
Dari hasil penghitungan diatas didapatkan data daratan dan air, namun untuk air diperlukan juga pembanding nilai RGB karena nilai NDVI dari air dan awan sangat mirip sehingga mengurangi salah klasifikasi. iii. Image Processing Image processing adalah suatu metoda yang digunakan untuk mengolah gambar sehingga menghasilkan gambar lain yang sesuai dengan keinginan kita. Pengambilan gambar biasanya dilakukan dengan kamera video digital atau alat lain yang biasanya digunakan untuk mentransfer gambar (scanner, kamera digital).
Table 1. informasi tiap band dari satelit landsat
2.3 Pengolahan Data 2.3.1 Proses pembacaan GeoTiff Tahap pembacaan file GeotTiff dilakukan dengan menggunakan library JAI (Java Advance
Imaging). Dan untuk file GeoTiff memiliki struktur file Tiff sehingga bisa lgsung dibaca oleh java dan tinggal digabung dengan JAI. 2.3.2 Proses penggabungan citra Penggabungan citra dilakukan dengan cara menggabungkan tiap pixel dari band – band yang digunakan,sehingga menjadi sebuah gambar baru. 2.3.3 Proses penghitungan NDVI dan klasifikasi area Pengambilan data daratan diperoleh dengan proses NDVI pada channel 4 dan 3. sehingga pemisahan antara air, awan, dan daratan dapat dilakukan. Karena banjir akan hanya berada disekitar sungai yang terletak pada daratan, sehingga data NDVI yang diambil adalah data daratan, sungai / air, awan, dan daerah bebatuan. 2.3.4 Proses Reduksi Awan Pada proses ini melakukan pengurangan awan yang dianggap sebagai pengganggu / noise dalam citra satelit ini karena menutupi daerah – daerah yang akan dihitung NDVI pada proses sebelumnya. 2.4 Analisis data Pada bagian pengujian dan analisis ini akan dibahas mengenai pengujian dari perangkat lunak (software) yang dibuat. Hal ini bertujuan untuk mengetahui sejauh mana ketepatan eksekusi perangkat lunak yang telah dibuat serta tidak menutup kemungkinan mengetahui kelemahannya. Sehingga dari sini nantinya dapat disimpulkan apakah perangkat lunak yang dibuat dapat berjalan secara benar dan sesuai dengan kriteria yang diharapkan. Pengujian ini meliputi fungsi klasifikasi dan reduksi awan. Uji coba dari perangkat lunak yang telah dibuat meliputi pengujian dari hasil keluaran yang didapat setelah perangkat lunak tersebut dijalankan. Dari hasil pengujian sistem yang dilakukan didapat beberapa karakteristik sistem terhadap faktor yang mempengaruhi proses klasifikasi yang dilakukan. Secara keseluruhan sistem berjalan dengan baik pada tiap-tiap bagian. Dalam proses klasifikasi, citra hasil klasifikasi yang menggunakan filter nilai NDVI jika dibandingkan dengan citra RGB, akan dapat memisahkan obyek dengan baik, dimana suatu piksel dapat masuk kedalam kelompok yang seharusnya. Hal ini terjadi akibat filter dengan nilai NDVI dapat melakukan filter terhadap nilai RGB pada piksel citra. Dalam proses klasifikasi yang menggunakan filter NDVI saja terdapat masalah ketika suatu piksel berdasarkan nilai NDVI telah memenuhi masuk kedalam sebuah kelompok obyek, tetapi nilai warna RGB dari piksel tersebut tidak
menunjukkan bahwa piksel tersebut masuk ke dalam kelompok tersebut. Sehingga piksel ini akan masuk ke dalam kelompok yang bukan semestinya.
3. Hasil dan pembahasan Kenampakan penutupan lahan dilihat menggunakan kombinasi 3 kanal (band) LANDSAT untuk membuat citra komposit RGB (Red,Green,Blue). Citra komposit warna naturaldpat dibuat dengan kombinasi kanal SWIR (band 5), sebagai R, kanal NIR (band 4) sebagai G, kanal Green (band 2) sebagai B. dan hasil komposit adalah sebagai berikut
Gambar. 2a. Hasil komposit RGB (gabungan dari 3 band )
Gambar. 2b. Hasil NDVI
Berdasarkan gambar 2b tampak lahan sekitar sungai yang berwarna biru yang bukan sungai menandakan bahwa daerah itu terjadi banjir, untuk area yang lain dibuat dibuat warna sendiri untuk bisa membedakan daerah yang lain.
4. Kesimpulan Berdasarkan hasil pengujian sistem yang telah dilakukan didapatkan beberapa kesimpulan untuk proses klasifikasi dengan menggunakan nilai NDVI dengan nilai warna. 1. Untuk mendapatkan rentang nilai warna yang baik dari suatu obyek maka gambar sampel yang akan diambil warnanya harus didominasi oleh warna dari obyek itu sendiri. 2. Perbedaan hasil segmentasi karena adanya nilai warna dari setiap obyek yang digunakan sebagai acuan tambahan untuk proses segmentasi. 3. Untuk mendapatkan hasil klasifikasi yang baik sebaikny mneggunakan citra yang memiliki noise awan sedikit agar bisa dengan mudah dihitung nilai NDVInya. 4. Nilai warna untuk obyek bayangan dari awan dan juga awan tipis tidak dimasukkan kedalam proses karena sangat sulit untuk mendapatkan batasan untuk nilai warnanya dan batasan untuk nilai NDVI. 5. Segmentasi obyek lebih baik dengan menggunakan filter nilai NDVI dan nilai warna obyek karena citra hasil proses segmentasi hampir mendekati citra RGB.
5.
Daftar Pustaka Barbara Theilen-Willige. Flooding Risk of Java, Indonesia, Karlsruhe University, 2007. 2. Mohd. Ibrahim Seeni Mohd., Mohamad Adli bin Mansor. Flood Predicition from LANDSAT Thematic Mapper Data and Hydrological Modeling, AARS. 1999. 3. Dr. F. Sri Hardiyanti Purwadhi, APU. Implementasi Citra Digital. 2001. 4. Yoga Bhara Priatna. Segmentasi Citra Satelit NOAA-18/AVHRR Berdasarkan NDVI (Normalized Difference Vegetation Index) Dan Klustering Warna Untuk Mendeteksi Penyebaran Asap Pada Kebakaran Hutan, PENS – ITS, 2008. 5. Siti Yuhaniz, Tanya Vladimirova, Martin N. Sweeting. Flood Detection of Tsunami Affected Areas Using Multispectral Images. 2007. 6. The Landsat information and Documentation, http://landsat.usgs.gov/. 7. David Taylor, Timestep File Format, 2008,
[email protected]; www.satsignal.com. 8. All About JAI, 2009, https://jaistuff.dev.java.net/. 1.
9.
http://earthobservatory.nasa.gov/measuring_vegetat ion_2.html
[CV Penulis] Arif Rachman Himawan, kuliah di D4 Teknik Informatika Politeknik Elektronika Negeri Surabaya-ITS (PENS-ITS) semester 8.
Klasifikasi Area Pada Citra Satelit Dan Penerapannya Pada Pedeteksian Banjir Di Situs Bengawan Solo Arif Rachman H 1), Ir. Dadet Pramadihanto, M.Eng, Ph.D 2), Nana Ramadijanti, S.Kom, M.Kom 3) Jurusan Teknik Informatika, PENS – ITS Surabaya Jl. Raya ITS, Surabaya +62 (31) 594 7280; Fax: +62 (31) 594 6114 E-mail :
[email protected] ,
[email protected] ,
[email protected]
Abstrak Banjir merupakan salah satu jenis bencana alam yang sering terjadi selama musim penghujan. Banjir perlu mendapatkan perhatian serius, karena frekuensi kejadiannya sangat tinggi, sehingga kerugian baik jiwa maupun materi yang ditimbulkan setara dengan bencana alam yang lainnya seperti letusan gunung berapi, dan bencana gempa bumi serta tsunami. Salah satu cara memperkecil resiko banjir adalah dengan membuat sisitem peringatan dini dan salah . adalah sistem peringatan dini menggunakan data citra satelit. Analisis ini dapat dilakukan antara lain dengan mengintegrasikan daerah genangan banjir dengan data real, Data yang digunakan adalah data citra satelit Landsat-5 TM yang memiliki format TIF. Data hasil ekstraksi diproses untuk mendapatkan citra satelit, yang kemudian dilakukan proses NDVI untuk klasifikasi area tersebut. Kata Kunci :Banjir, Klasifikasi Area, Landsat-5 TM, NDVI, TIF.
1. Pendahuluan Saat ini setiap tahun dimusim penghujan daerah sungai bengawan solo telah terjadi banjir yang dikarenakan faktor alam dan faktor yang disebabkan oleh manusia. Sehingga setiap tahun kerugian yang dialami cukup besar, dan hal tersebut berulang setiap tahun. Dan seperti yang kita ketahui, sungai memiliki fungsi utama yaitu sumber air bagi kehidupan kita, antara lain sebagai sistem pengairan, sistem pengangkutan dan sumber tenaga. Fungsi sebagai sistem pengairan karena biasanya para petani menggunakan air sungai untuk mengairi sawah mereka dan juga untuk memberi minum untuk hewan pembajak mereka. Fungsi sebagai sistem pengangkutan karena didaerah tertentu digunakan sebagai untuk menuju kesuatu tempat yang tidak bisa dilalui dengan alat transportasi sehingga harus melalui sungai. Fungsi sebagai sumber tenaga karena aliran air sungai bisa dimanfaatkan sebagai pembangkit listrik tenaga air. Sedemikian pentingnya sungai, sehingga kita patut menjaga dan melestarikan sungai di Indonesia. Salah satu cara penanggulangan banjir adalah tersedianya sistem peringatan dini berdasarkan penemuan daerah genangan air di sekitar situs yang didapat dari citra
satelit. Dengan mengolah citra satelit berdasarkan sensor spektrum cahaya satelit yang digunakan, sehingga gabungan sensor spectrum cahaya yang bekerja dalam band tertentu dapat mengklasifikasi area yang dicurigai sebagai daerah genangan air.
4 4
Gambar. 1.
3 3
Block diagram proses klasifikasi area
2. Model, Analisis, Desain dan Implementasi Blok diagram sistem menggambarkan bagaimana alur proses menggabungkan kanal – kanal yang digunakan untuk melakukan composite gambar satelit, penghitungan nilai NDVI, mengklasifikasi data vegetasi, mengklasifikasi daerah banjir, mentransformasi citra satelit yang seperti dijelaskan pada gambar 1.
2.3.1 Dasar Teori i. Penginderaan-Jauh (Remote Sensing) Penginderaan-Jauh adalah Pengambilan atau pengukuran data atau informasi mengenai sifat dari sebuah fenomena, obyek atau benda dengan menggunakan sebuah alat perekam tanpa berhubungan langsung dengan bahan studi. Salah satu implementasi pada Penginderaan-Jauh adalah pemantauan cuaca bumi. Dalam hal ini, target adalah permukaan bumi, yang melepaskan energi dalam bentuk radiasi infra merah atau energi panas. Energi merambat melalui atmosfir dan ruang angkasa untuk mencapai sensor, yang berada pada platform satelit. Beberapa level energi kemudian dicatat, dikirimkan ke stasiun penerima di bumi, dan diubah menjadi citra yang menunjukkan perbedaan suhu pada permukaan bumi. ii. Citra Normalisasi Citra normalisasi atau NDVI (Normalized Difference Vegetation Index) adalah perhitungan citra yang digunakan untuk mengetahui tingkat kehijauan, yang sangat baik sebagai awal pembagian daerah vegetasi. NDVI dapat menunjukkan parameter yang berhubungan dengan parameter vegetasi, antara lain, biomass dedaunan hijau, daerah dedaunan hijau dan hence yang merupakan nilai yang dapat diperkirakan untuk pembagian vegetasi. Nilai NDVI diperoleh dengan perhitungan nearinfrared dengan visible light yang dipantulkan oleh tumbuhan. Nilai NDVI diperoleh dengan membandingkan pengurangan data near-infrared dan visible dengan penjumlahan kedua data tersebut, berikut rumus penghitungan menggunakan satelit landsat
4 4
3 3
Pengolahan gambar digital atau Digital Image Processing (DIP) adalah bidang yang berkembang sangat pesat sejalan dengan kemajuan teknologi pada industri saat ini. Fungsi utama dari Digital Image Processing adalah untuk memperbaiki kualitas dari gambar hingga gambar dapat dilihat lebih jelas, karena informasi penting diekstrak dari gambar yang dihasilkan harus jelas sehingga didapatkan gambar yang terbaik. Selain itu DIP digunakan untuk memproses data yang diperoleh dalam persepsi mesin, yaitu prosedur-prosedur yang digunakan untuk mengektraksi informasi dari gambar, informasi dalam bentuk yang cocok untuk proses komputer. Keuntungan menggunakan DIP adalah presisi, yaitu pada masing-masing proses fotografi, disini terdapat penurunan kualitas gambar dan sinyal elektrik yang terdrgradasi akibat keterbatasan komponen elektrik, dalam kondisi ini DIP dapat menjaga hasil gambar tetap presisi. Keuntungan yan lain adalah fleksibilitas, yaitu penggunaan yang lebih besar, sebuah gambar dapat di magnified, reduced atau rotated, kontras, brightness dapat diubah. Selain keuntungan DIP juga memiliki kekurangan yaitu kecepatan dan mahal, banyak operasi yang digunakan oleh DIP lebih lambat dan lebih mahal dibandingkan operasi optik atau elektrikal lainnya dan resources untuk menghitung bisa mahal. 2.2 Data Data yang digunakan dalam penelitian menggunakan citra satelit LANDSAT TM5 yang didapatkan langsung dari USGS – NASA,namun kanal yang biasa digunakan untuk proses NDVI adalah kanal 4 dan kanal 3, berikut karakteristik dari citra landsat
Dari hasil penghitungan diatas didapatkan data daratan dan air, namun untuk air diperlukan juga pembanding nilai RGB karena nilai NDVI dari air dan awan sangat mirip sehingga mengurangi salah klasifikasi. iii. Image Processing Image processing adalah suatu metoda yang digunakan untuk mengolah gambar sehingga menghasilkan gambar lain yang sesuai dengan keinginan kita. Pengambilan gambar biasanya dilakukan dengan kamera video digital atau alat lain yang biasanya digunakan untuk mentransfer gambar (scanner, kamera digital).
Table 1. informasi tiap band dari satelit landsat
2.3 Pengolahan Data 2.3.1 Proses pembacaan GeoTiff Tahap pembacaan file GeotTiff dilakukan dengan menggunakan library JAI (Java Advance
Imaging). Dan untuk file GeoTiff memiliki struktur file Tiff sehingga bisa lgsung dibaca oleh java dan tinggal digabung dengan JAI. 2.3.2 Proses penggabungan citra Penggabungan citra dilakukan dengan cara menggabungkan tiap pixel dari band – band yang digunakan,sehingga menjadi sebuah gambar baru. 2.3.3 Proses penghitungan NDVI dan klasifikasi area Pengambilan data daratan diperoleh dengan proses NDVI pada channel 4 dan 3. sehingga pemisahan antara air, awan, dan daratan dapat dilakukan. Karena banjir akan hanya berada disekitar sungai yang terletak pada daratan, sehingga data NDVI yang diambil adalah data daratan, sungai / air, awan, dan daerah bebatuan. 2.3.4 Proses Reduksi Awan Pada proses ini melakukan pengurangan awan yang dianggap sebagai pengganggu / noise dalam citra satelit ini karena menutupi daerah – daerah yang akan dihitung NDVI pada proses sebelumnya. 2.4 Analisis data Pada bagian pengujian dan analisis ini akan dibahas mengenai pengujian dari perangkat lunak (software) yang dibuat. Hal ini bertujuan untuk mengetahui sejauh mana ketepatan eksekusi perangkat lunak yang telah dibuat serta tidak menutup kemungkinan mengetahui kelemahannya. Sehingga dari sini nantinya dapat disimpulkan apakah perangkat lunak yang dibuat dapat berjalan secara benar dan sesuai dengan kriteria yang diharapkan. Pengujian ini meliputi fungsi klasifikasi dan reduksi awan. Uji coba dari perangkat lunak yang telah dibuat meliputi pengujian dari hasil keluaran yang didapat setelah perangkat lunak tersebut dijalankan. Dari hasil pengujian sistem yang dilakukan didapat beberapa karakteristik sistem terhadap faktor yang mempengaruhi proses klasifikasi yang dilakukan. Secara keseluruhan sistem berjalan dengan baik pada tiap-tiap bagian. Dalam proses klasifikasi, citra hasil klasifikasi yang menggunakan filter nilai NDVI jika dibandingkan dengan citra RGB, akan dapat memisahkan obyek dengan baik, dimana suatu piksel dapat masuk kedalam kelompok yang seharusnya. Hal ini terjadi akibat filter dengan nilai NDVI dapat melakukan filter terhadap nilai RGB pada piksel citra. Dalam proses klasifikasi yang menggunakan filter NDVI saja terdapat masalah ketika suatu piksel berdasarkan nilai NDVI telah memenuhi masuk kedalam sebuah kelompok obyek, tetapi nilai warna RGB dari piksel tersebut tidak
menunjukkan bahwa piksel tersebut masuk ke dalam kelompok tersebut. Sehingga piksel ini akan masuk ke dalam kelompok yang bukan semestinya.
3. Hasil dan pembahasan Kenampakan penutupan lahan dilihat menggunakan kombinasi 3 kanal (band) LANDSAT untuk membuat citra komposit RGB (Red,Green,Blue). Citra komposit warna naturaldpat dibuat dengan kombinasi kanal SWIR (band 5), sebagai R, kanal NIR (band 4) sebagai G, kanal Green (band 2) sebagai B. dan hasil komposit adalah sebagai berikut
Gambar. 2a. Hasil komposit RGB (gabungan dari 3 band )
Gambar. 2b. Hasil NDVI
Berdasarkan gambar 2b tampak lahan sekitar sungai yang berwarna biru yang bukan sungai menandakan bahwa daerah itu terjadi banjir, untuk area yang lain dibuat dibuat warna sendiri untuk bisa membedakan daerah yang lain.
4. Kesimpulan Berdasarkan hasil pengujian sistem yang telah dilakukan didapatkan beberapa kesimpulan untuk proses klasifikasi dengan menggunakan nilai NDVI dengan nilai warna. 1. Untuk mendapatkan rentang nilai warna yang baik dari suatu obyek maka gambar sampel yang akan diambil warnanya harus didominasi oleh warna dari obyek itu sendiri. 2. Perbedaan hasil segmentasi karena adanya nilai warna dari setiap obyek yang digunakan sebagai acuan tambahan untuk proses segmentasi. 3. Untuk mendapatkan hasil klasifikasi yang baik sebaikny mneggunakan citra yang memiliki noise awan sedikit agar bisa dengan mudah dihitung nilai NDVInya. 4. Nilai warna untuk obyek bayangan dari awan dan juga awan tipis tidak dimasukkan kedalam proses karena sangat sulit untuk mendapatkan batasan untuk nilai warnanya dan batasan untuk nilai NDVI. 5. Segmentasi obyek lebih baik dengan menggunakan filter nilai NDVI dan nilai warna obyek karena citra hasil proses segmentasi hampir mendekati citra RGB.
5.
Daftar Pustaka Barbara Theilen-Willige. Flooding Risk of Java, Indonesia, Karlsruhe University, 2007. 2. Mohd. Ibrahim Seeni Mohd., Mohamad Adli bin Mansor. Flood Predicition from LANDSAT Thematic Mapper Data and Hydrological Modeling, AARS. 1999. 3. Dr. F. Sri Hardiyanti Purwadhi, APU. Implementasi Citra Digital. 2001. 4. Yoga Bhara Priatna. Segmentasi Citra Satelit NOAA-18/AVHRR Berdasarkan NDVI (Normalized Difference Vegetation Index) Dan Klustering Warna Untuk Mendeteksi Penyebaran Asap Pada Kebakaran Hutan, PENS – ITS, 2008. 5. Siti Yuhaniz, Tanya Vladimirova, Martin N. Sweeting. Flood Detection of Tsunami Affected Areas Using Multispectral Images. 2007. 6. The Landsat information and Documentation, http://landsat.usgs.gov/. 7. David Taylor, Timestep File Format, 2008,
[email protected]; www.satsignal.com. 8. All About JAI, 2009, https://jaistuff.dev.java.net/. 1.
9.
http://earthobservatory.nasa.gov/measuring_vegetat ion_2.html
[CV Penulis] Arif Rachman Himawan, kuliah di D4 Teknik Informatika Politeknik Elektronika Negeri Surabaya-ITS (PENS-ITS) semester 8.
