BAB 2 LANDASAN TEORI
2.1
Pengertian Segmentasi Dalam computer vision, segmentasi merukuk pada proses partisi gambar digital menjadi beberapa bagian atau kita kenal sebagai superpixels. Tujuan segmentasi adalah untuk memudahkan atau mengganti sebuah gambar menjadi lebih berarti dan mudah dianalisa. Image segmentation adalah proses pemberian label untuk setiap pixel dalam gambar dengan pixel yang memilik label sama memiliki karakterisik yang sama. Ada banyak sekali metode-metode segmentasi ini, contohnya ialah thresholding, clustering,
compression-based,
histogram-based,
edge
detection,
partial
differential equation-based, graph partitioning, watershed transformation, model based segmentation, multi-scale segmentation, semi-automatic segmentation, splitand-merge, neural networks segmentation dan region growing. Untuk kedepannya, kami akan membahas tentang algoritma Region Growing dengan lebih jelas.
2.2
Pengertian Citra Citra atau image (Kulkarni, 2001)
adalah representasi spasial dari suatu
objek yang sebenarnya dalam bidang dua dimensi yang biasanya ditulis dalam koordinat cartesian x-y, dan setiap koordinat merepresentasikan satu sinyal terkecil dari objek. Fungsi citra adalah model matematika yang sering digunakan untuk menganalisis dimana semua fungsi analisis digunakan untuk 7
8
mempertimbangkan citra sebagai fungsi dengan 2 variabel. Citra merupakan gambaran yang terekam oleh kamera atau oleh sensor. Simonett and Joseph, 1983 mengutarakan pengertian tentang citra yaitu: a) Gambaran obyek yang dibuahkan oleh pantulan atau pembiasan sinar yang difokuskan oleh sebuah lensa atau sebuah cermin. b) Gambaran rekaman suatu obyek (biasanya berupa gambaran pada foto) yang dibuat dengan cara optik, elektro-optik, optik mekanik atau elektronik. Pada umumnya gambar digunakan bila radiasi elektromagnetik yang dipancarkan atau dipantulkan dari suatu obyek tidak langsung direkam pada film. Sedangkan penginderaan jauh ialah ilmu dan seni untuk memperoleh informasi tentang obyek, daerah, atau gejala dengan jalan menganalisis data yang diperoleh dengan menggunakan alat tanpa kontak langsung terhadap obyek, daerah, atau gejala yang dikaji (Lillesand and Kiefer, 2004). Alat yang dimaksud di dalam batasan ini ialah alat pengindera atau sensor. Pada umumnya sensor dipasang pada wahana (platform) yang berupa pesawat terbang, satelit. pesawat ulang-alik, atau wahana lainnya. Obyek yang diindera atau yang ingin diketahui berupa obyek di permukaan bumi, di dirgantara, atau di antariksa. Penginderaannya dilakukan dari jarak jauh sehingga ia disebut penginderaan jauh. Penginderaan jauh juga merupakan berbagai teknik yang dikembangkan untuk perolehan dan analisis informasi tentang bumi. Informasi tersebut khusus berbentuk radiasi elektromagnetik yang dipantulkan atau dipancarkan dari permukaan bumi (Lindgren, 1985).
9
2.2.1 Elemen Ciitra Menuurut Burger et al ( 2008)), elemen citra c adalah sebagai s berikkut : a. Keceraahan (Brighttness) Keceraahan pada citra ialah intensitas cahaya c yanng terdapat pada citra tersebut. Semakin S tinnggi intensittas cahaya pada p citra, maka m citra akkan semakinn tampak puttih.
Gambaar 2.1 Elemeen citra untuuk kecerahann (brightnesss) b. Kontraas (Contrast)) Kontraas ialah sebaran terang dan gelap dalam d sebuaah citra. Seebuah citra dikatakan d m memiliki kontras yang rendah jikka citra terrsebut memilliki komposiisi sebagian besar terang atau sebaggian besar gelap. g Dan seebaliknya, jiika komposiisi sebagai kecil k terang atau gelap maka m citra dikatakan d meemiliki kontrras yang tingggi.
G Gambar 2.2 Elemen E citraa untuk kontrras (contrastt)
10
c. Warnaa (Color) Perseppsi yang diraasakan mataa terhadap panjang p geloombang cahaaya λ yang dipantulkann objek.
Warna deengan panjang gelom mbang
tertingggi adalah merah dann warna dengan d panjjang gelom mbang terendah ialah unggu (violet).
mbar 2.3 Eleemen citra untuk u warna (color) Gam d. Bentukk (Shape) Pada citra yang dilihat deengan mataa adalah ciitra 2D, naamun sebenaarnya objeknnya berupa 3D. Inform masi bentuk objek dipeeroleh dari citra c yang ditangkap d siistem visuall atau yangg disebut deengan segmentasi citra. e. Tekstuur (Texture) Distribbusi spasial dari derajaat keabuan didalam sekkumpulan piksel p yang bertetangga. b Sistem vissual manusia tidak mennerima inforrmasi per piiksel, namunn yang diterrima adalahh sekumpulaan piksel sebbagai satuann.
11
Gambar 2.4 2 Elemen citra untuk tekstur
f. Resoluusi (Resolutiion) Resoluusi menunjuukkan tingkat kerincian suatu citra c dan dapat d menyaatakan banyaak piksel peer satuan paanjang, contooh: 120 x 100 m (Semaakin kecil ukuran, u sem makin tinggi resolusi) atau piksell per inci, coontoh : 72dppi (Semakin besar dpi, reesolusi juga semakin tingggi).
2.2.2 Format Ciitra Menuurut Shapirro et al, 2001, 2 beberrapa
formaat
berasal
dari
perusahaann–perusahaann yang meembuat perllengkapan pengolahan p citra atau grafikk; perangkatt lunak dokkumentasi umum u dan konversi k terssedia. Rincian yang y diberikkan selanjuutnya seharuusnya mem mberikan baacaan informasi praktis untuuk mengatassi citra kom mputer. Waalaupun beruubahubah sesuuai dengan teknologi, ada beberapa konseep umum yang harus dikuuasai. a. GIF (G Graphics Intterchange Foormat) Format fille GIF ini dirilis tahuun 1987, digunakan d u untuk
12
menyimpan dan mentransfer gambar dalam mode indeks warna (tidak lebih dari 256). Pada tahun 1989 format telah diupdate. Nama versi baru terlihat seperti gif89. Ini mendukung saluran tambahan untuk melakukan efek transparansi dan untuk mengadakan satu set gambar dalam sebuah file tunggal di mana kerangka menunjukkan waktu dan animasi yang ditampilkan. Saat ini format GIF ini adalah salah satu format grafis paling populer. Meskipun tidak cocok untuk memegang gambar fotorealistik, karena tidak dapat berisi lebih dari 256 warna. Hal ini sebagian besar digunakan
untuk
menampilkan
animasi
dan
gambar-gambar
tanpa campuran. Format file gif ini telah mendapat serangkaian fitur algoritma kompresi yang memungkinkan mengkompresi gambar dengan warna horizontal yang berurutan. Itu berarti bahwa file, yang berisi bar horizontal, akan mengambil tempat lebih sedikit daripada file yang sama dengan bar vertikal.
b. TIFF (Tagged Image File Format) Format ini dirilis pada tahun 1986 dan umumnya digunakan untuk menahan putih dan hitam dari scan gambar (Tiff 3.0). Dirilis pada tahun 1987, Tiff 4.0 mempunyai kemampuan untuk warna gambar RGB. Format Tiff saat ini (Tiff 6.0) adalah format file yang kaya dan fleksibel, didukung oleh banyak program. Format ini mampu merekam
13
gambar halftone dengan berbagai intensitas pixel. Jadi, itu dianggap menjadi format yang sempurna untuk data grafis penyimpanan dan pengolahan.
c. JPEG (Joint Photographic Experts Group) Format Jpeg dirancang untuk mentransfer data grafis dan gambar melalui jaringan telekomunikasi digital dan umumnya digunakan untuk
menyimpan
dan
mentransfer
penuh
warna
fotorealistik gambar. Sebelum Jpeg, ada format sangat sedikit, yang mendukung 24 bit gambar. TIFF dan BMP format yang diizinkan memegang 24 bit data, tetapi mereka gagal untuk melakukan kompresi lossless data, yang berisi ribu warna dari dunia nyata, pada tingkat kualitas tinggi. Algoritma kompresi adalah data yang dihapus untuk dealokasi (memungkinkan untuk menaikkan derajat kompresi). Data dipegang sebagai blok pixel dalam warna tertentu dengan informasi intensitas yang disimpan (masalah ini adalah bahwa mata manusia lebih baik dari perubahan warna).Foto dan multi-warna gambar, ditransfer dalam format ini, yang ideal untuk jaringan telekomunikasi digital. Hal ini tidak mungkin untuk memperbaiki gambar Jpeg, meskipun
mungkin
untuk
merendahkan
mereka dengan mengurangi ukuran file.
kualitas
gambar
14
d. Bitmap Bitmap adalah format Windows Home, yang digunakan secara praktis untuk semua kemungkinan penyimpanan data raster. Semua versi BMP dirancang untuk komputer dengan prosesor Intel. Arus versi format
adalah
perangkat
independable
(berarti
Bitmap
yang
menentukan warna piksel tanpa referensi ke layar perangkat) dan memungkinkan untuk merekam gambar dari tingkat kualitas yang berbeda (ke titik 32 bit). Setelah direvisi, format ini digunakan untuk menahan
warna
dan
gambar
hitam
dan
putih,
sehingga
menjadi umum. Keuntungan utama dari format dianggap kegunaan dan dukungan perangkat lunak yang luas.
e. PNG (Portable Network Graphic) Format file png adalah format progresif relatif baru yang awalnya dirancang untuk menggantikan Gif. Format png telah mendapat satu set fitur baru yang tidak ada di Gif. Format ini menangani tingkat transparansi 256 (yang berarti bahwa gambar mungkin transparan sebagian). Faktanya, bahwa format ini mendukung kedalaman warna hingga 48 bit dan melakukan kompresi lossless, memungkinkan untuk mengadakan gambar fotorealistik.
15
2.3
Pengertian Segmentasi Citra Segmentasi citra adalah suatu proses membagi suatu citra menjadi wilayahwilayah yang homogen (Jain, 1989). Menurut Jain (1989), segmentasi citra dapat dibagi dalam beberapa jenis, yaitu dividing image space dan clustering feature space. Jenis yang pertama adalah teknik segmentasi dengan membagi image manjadi beberapa bagian untuk mengetahui batasannya, sedangkan teknik yang kedua dilakukan dengan cara memberi index warna pada tiap piksel yang menunjukkan keanggotaan dalam suatu segmentasi. Teknik segmentasi citra, menurut Jain(1989), dapat dilihat pada diagram berikut
Gambar 2.5 Teknik segmentasi citra Adapun teknik segmentasi tersebut dapat dilakukan dengan beberapa pendekatan sebagai berikut : 1) Pendekatan Edge-Based Pendekatan ini melakukan proses deteksi sisi dengan operator gradient. Masukannya berupa citra gray level dan keluarannya berupa citra edge (biner). Selanjutnya dilakukan proses region growing dengan masukan citra asli (gray-
16
level) dan citra edge. Proses pembentukan suatu wilayah akan berhenti bila menjumpai piksel edge. Kekurangan dari pendekatan ini adalah belum tentu menghasilkan edge yang kontinu, mengakibatkan terjadinya kebocoran wilayah (wilayah-wilayah yang tidak tertutup). 2) Pendekatan Region-Based Pendekatan ini memerlukan criteria of uniformity, memerlukan penyebaran seeds atau dapat juga dengan pendekatan scan line, kemudian dilakukan proses region growing. Kekurangan dari pendekatan ini adalah belum tentu menghasilkan wilayah-wilayah yang bersambungan. 3) Pendekatan Hybrid Pendekatan ini melakukan proses deteksi sisi untuk menhasilkan citra sisi (piksel edge dan piksel non-edge), melakukan pemisahan wilayah dengan metode connected region. (Connected regions adalah set piksel 4-tetangga yang bukan piksel edge), dan selanjutnya dilakukan proses merging regions. Pendekatan ini bertujuan untuk mendapatkan hasil segmentasi dengan wilayah-wilayah yang tertutup dan bersambungan.
2.4
Pengertian Multi Resolusi Di dalam penginderaan jauh ada 4 istilah resolusi yakni: 1) Resolusi Spasial Resolusi spasial adalah ukuran terkecil obyek yang dapat direkam oleh suatu sistem sensor. Dengan kata lain maka resolusi spasial mencerminkan
17
kerincian informasi yang dapat disajikan oleh suatu sistem sensor. Ada dua cara menyatakan resolusi spasial, yakni: a) Resolusi citra. Resolusi Citra (image resolution) dapat diartikan sebagai kualitas lensa yang dinyatakan dengan jumlah maksimum garis pada tiap milimeter yang masih dapat dipisahkan pada citra. Misal tiap garis tebalnya 0,01 mm. Ruang pemisah antara tiap garis juga sebesar 0,01 mm. Berarti tiap garis menempati ruang selebar 0,02 mm atau pada tiap mm ada 50 garis. Dalam
contoh
ini
berarti
resolusi
citranya
sebesar
50
garis/mm. Secara teoritik maka resolusi citra yang terbaik 1.430 garis/mm. b) Resolusi medan. Resolusi Medan (ground resolution) ialah ukuran terkecil obyek di medan yang dapat direkam pada data digital maupun pada citra. Pada data digital resolusi medan dinyatakan dengan piksel. Semakin kecil ukuran terkecil yang dapat direkam oleh suatu sistem sensor, berarti sensor itu semakin baik karena dapat menyajikan data dan informasi yang semakin rinci. Resolusi spasial yang baik dikatakan resolusi tinggi atau halus, sedang yang kurang baik berupa resolusi kasar atau rendah. Disamping itu dinyatakan dengan ukuran dalam meter di lap atau dalam meter per piksel pada citra (Rm/piksel), resolusi medan juga dapat dinyatakan dengan ukuran dalam meter di lap yang dapat digambarkan oleh sepasang garis pada citra atau Rm/Lp (meter per line pairs).
18
Resolusi Spasial dipengaruhi: a) Skala; semakin besar skala semakin baik resolusinya. b) Panjang gelombang tenaga elektromagnetik yang digunakan.
2) Resolusi spectral Resolusi spektral menunjukkan kerincian λ yang digunakan dalam perekaman obyek.Contoh resolusi spektral SPOT-XS lebih rinci daripada SPOTP. Keunggulan citra multispektral ialah meningkatkan kemampuan mengenali obyek karena perbedaan nilai spektralnya sering lebih mudah dilakukan pada saluran sempit. Tiga data multi spektral hitam putih dapat dihasilkan citra berwarna. Apabila data multispektral itu tersedia dalam digital akan dapat diolah dengan bantuan komputer. Kelemahannya ialah bahwa resolusi spasialnya menjadi lebih rendah. Artinya antara resolusi spasial dan resolusi spektral terjadi hubungan berkebalikan.
3) Resolusi Temporal Resolusi temporal adalah frekuensi perekaman ulang atas daerah yang sama. Sebagai contoh resolusi temporal ini: a) Landsat generasi 1 : 18 hari b) Landsat generasi 2 : 16 hari c) SPOT : 26 hari atau 6-7 kali/bulan karena sensor dapat ditengokkan arah perekamannya d) Satca NOAA : 12 jam
19
4) Resolusi Radiometrik Resolusi radiometrik memiliki arti sebagai kepekaan sensor terhadap perbedaan terkecil kekuatan sinyal. Dengan sensor termal misalnya, kalau sensor 1 mampu merekam beda suhu terkecil 0,2 C dan sensor 2 mampu merekam beda suhu terkecil 0,5 C; berarti resolusi radiometrik sensor 1 lebih baik dari pada sensor 2.
Dari keempat jenis resolusi ini maka resolusi spasial merupakan resolusi yang terpenting. Kalau orang menyebut resolusi tanpa diikuti keterangan apapun, maka yang dimaksud adalah resolusi spasial. Resolusi spasial berbanding terbalik dengan resolusi spectral dan resolusi temporal sedangkan berbanding lurus dengan resolusi radiometrik. Hubungan antara resolusi spasial dengan resolusi temporal menimbulkan pilihan yang tidak mudah antara keduanya. Sulit untuk memilih antara foto udara (rinci) atau citra satelit yang frekuensi perekaman ulangnya lebih sering. Kerincian penting untuk studi kekotaan misalnya dan resolusi temporal yang tinggi penting untuk memantau perubahan cepat seperti pemekaran kota, pengurangan luas hutan, dsb.
2.5
Resolusi Spasial Resolusi spasial adalah ukuran terkecil obyek yang dapat direkam oleh suatu sistem sensor. Dengan kata lain maka resolusi spasial mencerminkan kerincian informasi yang dapat disajikan oleh suatu sistem sensor.
20
Resolusi spasial merupakan luas suatu objek di bumi yang diukur dalam satuan piksel pada citra satelit. Apabila suatu objek dilakukan pengambilan gambar yang mempunyai ukuran luas aslinya 30 m x 30 m ditampilkan pada citra satelit dengan ukuran 1 piksel maka citra satelit tersebut mempunyai resolusi spasial 30 m. Dengan kata lain apabila citra mempunyai resolusi spasial 30 m, maka 1 piksel pada citra satelit mewakili luasan aslinya berukuran 30 m x 30 m. Jadi semakin kecil ukuran asli suatu objek tersebut dalam 1 piksel pada citra satelit maka semakin jelas dan detail tampilan objek tersebut pada citra satelit. Berikut jenis-jenis dari resolusi spasial menurut Satellite Imaging Corporation, yaitu : 1) High spatial resolution Resolusi spasial ini biasa disebut juga dengan citra resolusi besar, dengan jarak 0.6 m sampai dengan 4 m. Dengan jarak demikian, maka hasil citra yang didapat akan lebih jelas. Contoh dari citra resolusi besar ini, antara lain GeoEye, WorldView-1, WorldView-2, Aerial Photograph, Quickbird, IKONOS, FORMOSAT-2, ALOS, SPOT-5.
2) Medium spatial resolution Resolusi spasial ini biasa dikenal sebagai citra resolusi sedang, dimana jaraknya antara 4 m sampai dengan 30 m. ASTER, LANDSAT-7, CBERS-2 merupakan contoh dari citra resolusi sedang ini.
21
3) Low spatial resolution Resolusi spasial ini dikenal dengan citra resolusi kecil. Dikatakan citra resolusi kecil karena resolusinya berjarak 30 m sampai dengan kurang dari 1000 m, sehingga menghasilkan citra dengan resolusi yang kecil.
2.5.1
QuickBird Menurut DigitalGlobe, satelit quickBird adalah satelit resolusi tinggi yang dimiliki dan dioperasikan oleh DigitalGlobe. QuickBird mengumpulkan data detail gambar untuk 0.61 m tingkat resolusi piksel. Dengan resolusi setinggi ini, sebuah lokasi permukiman dapat diidentifikasi per individu bangunan, sebuah jaringan jalan dapat didentifikasi sebagai poligon dua sisi, dan yang tidak kalah pentingnya adalah pemesanan data sangat mudah dilakukan, tidak serumit pembuatan foto udara yang mengharuskan adanya security clearance (ijin dari pihak keamanan), ijin jalur terbang, sewa hanggar, sewa pesawat dll. Berikut bidang-bidang yang memanfaatkan satelit quickbird : a)
Pertanian. Resolusi 61 cm sangat ideal untuk melakukan observasi pada lahan yang luas, petak tanaman hingga per individu tanaman. Melakukan identifikasi jenis tanaman dan kondisi tanah, potensi panen, efektifitas pengairan, kesuburan tanaman, kandungan air. Secara urutan
waktu, quickbird
dapat
digunakan
untuk
memantau
pertumbuhan tanaman, banyaknya tanah yang hilang, laju
22
penanaman, pemilihan tananaman yang siap panen, tingkat kerusakan tanaman akibat hama dan penyakit dll. b)
Pertambangan. Satelit ini biasa digunakan untuk memetakan kondisi penutupan lahan pertambangan yang akan dibuka. Dengan dibuatnya peta penutupan lahan yang paling mutakhir dapat disusun suatu perencanaan pembuatan jaringan jalan, pemasangan jaringan pipa, site plan, mengidentifikasi peruntukan lahan di sekitar areal konsesi, dll. Jika data peta ini dianalisis menggunakan Sistem Informasi Geografis, maka dengan mudah dapat dihitung berapa luas dari masing-masing kelas penutupan lahan, berapa biaya yang harus dikeluarkan seandainya dilakukan pembebasan lahan, berapa panjang pipa yang dibutuhkan, dll.
c)
Kehutanan. Resolusi yang tinggi memungkinkan pengusaha perhutanan melakukan inventarisasi luas lahan, menghitung potensi kubik kayu, menentukan jalur transportasi kayu, mengidentifikasi batas-batas kawasan, mengevaluasi laju kerusakan areal. Untuk perusahaan tertentu, hasil dari data quickbird sangat ideal digunakan untuk melakukan kompartemenisasi, yakni membagi areal usaha kedalam blok, petak dan anak petak, memetakan lokasi cekungan air sebagai cadangan mengendalikan bahaya kebakaran, menentukan lokasi perkemahan, lokasi menara pengawas api, lokasi persemaian, dll.
23
Secara
berkala, quickbird dapat
digunakan
untuk
memantau
pertumbuhan tanaman, banyaknya tanah yang hilang, laju penanaman, pemilihan tananaman yang siap panen, tingkat kerusakan tanaman akibat hama dan penyakit, menghitung kehilangan tanaman akibat kebakaran hutan, dll. d)
Perencanaan Wilayah dan Perkotaan. Sejak kemunculan quickbird yang pertama kali di Indonesia, satelit ini langsung mendapat respon positif dari berbagai institusi pemerintah. Didorong pula oleh pemberian otonomi yang lebih luas kepada PEMDA. Quickbird telah dimanfaatkan untuk menyusun peta penggunaan lahan yang paling up to date. Beberapa wilayah yang telah dipetakan menggunakan jasa satelit ini diantaranya, DKI Jakarta, Surabaya, Sidoharjo, Bandung kawasan Bopunjur (Bogor, Puncak, Cianjur), Yogyakarta, Bontang, dll. Institusi yang paling sering memanfaatkan data dari quickbird ini diantaranya Badan Pertanahan Nasional, Bappedda Provinsi maupun Bappedda Kabupaten/Kota, Dinas Tata Kota, Dinas Kehutanan, Dinas Kimpraswil, Dinas Pajak, lembaga pendidikan dll. Kajian yang dapat dilakukan menggunakan quickbird diantaranya, perencanaan tata ruang, identifikasi kawasan kumuh, pembuatan site plan, identifikasi wajib pajak, inventarisasi pelanggan (telepon, air bersih, listrik, gas), monitoring perubahan penggunaan lahan, identifikasi kawasan banjir, dll.
24
2.5.2
Foto Udara Citra foto udara adalah gambar yang dicetak dari hasil pemotretan dengan kamera dengan perekaman secara fotografi dari atas udara (Kiefer, et al, 1993). Biasanya, citra foto ini didapat dengan sebuah alat transportasi seperti balon udara, gantole, pesawat tanpa awak, dll. Terdapat beberapa jenis pemotretan, yaitu: 1) Pemotretan secara tegak(vertical) Pemotretan secara tegak ini dapat dikatakan dengan posisi kamera persis dibawah alat transportasi(misal pesawat) yang terbang secara tegak lurus dengan permukaan bumi. 2) Pemotretan secara condong(oblique) Pemotretan secara condong dilakukan dengan posisi antara pesawat dengan permukaan bumi memiliki sudut yang agak miring(kurang dari 45 derajat). Bedanya dengan pemotretan secara sangat condong ialah, pada teknik oblique ini, batas cakrawala atau horizon tidak terlihat. Ketinggian pesawat udara terhadap permukaan bumi pun berpengaruh terhadap skala foto udara yang dihasilkan. Semakin tinggi pesawat maka hasilnya gambar akan semakin kecil tapi memiliki cakupan yang luas dan jika terlalu rendah, cakupannya semakin kecil walaupun detil gambarnya lebih jelas. Jadi untuk mengambil hasil yang maksimal diperlukan ketinggian tertentu yang tidak terlalu tinggi dan tidak terlalu rendah agar cakupannya luas dan detil obyeknya pun terlihat.
25
2.6
Tutupan Lahan Tutupan lahan atau bisa disebut dengan Land Cover ialah materi fisik yang ada di permukaan bumi, tutupan lahan termasuk rumput, aspal, pohon, tanah, gunung, pemukiman penduduk, air, dan lain-lain. Pengetahuan tentang tutupan lahan sangat penting untuk banyak perencanaan dan manajemen lahan seta esensial untuk pemodelan dan pemahaman tentang bumi sebagai suatu sistem(Kiefer, et al, 1993). Unites State Geological Survey (USGS) mendesain penggunaan lahan (land use) dan sistem klasifikasi tutupan lahan (land cover) untuk digunakan pada penginderaan jauh pada pertengahan tahun 1970 an(Anderson et al., 1976). Ada 2 metode utama untuk mendapatkan informasi mengenai tutupan lahan, yaitu dengan studi lapangan atau dengan penginderaan jauh. Tutupan lahan (land cover) berbeda dengan penggunaan lahan (land use) walau mereka sering disalahartikan. Penggunaan lahan lebih memfokuskan pada bagaimana orang mengatur lahan untuk kegiatan sosial ekonomi, migrasi, dan agrikultur. Sedangkan tutupan lahan lebih mengarah kepada penampakan lahan secara alamiah tanpa diatur manusia seperti hutan, laut, danau. Pemetaan penggunaan lahan dan tutupan lahan sebaiknya dipisah menurut sistem USGS, tapi, biasanya akan lebih efisisen jika kita menggabungkan keduanya. Jadi, informasi dari tutupan lahan itu dapat digunakan oleh penggunaan lahan, misalnya untuk mendeteksi kegiatan manusia di lingkungan tersebut. Sistem klasifikasi tutupan lahan dan penggunaan lahan USGS memiliki kriteria yang harus dipenuhi seperti: (1) akurasi interpretasi penginderaan jauh
26
level minimum setidaknya 85%, (2) akurasi interpretasi untuk beberapa kategori setidaknya sama, (3) hasil yang berulang harus didapat oleh banyak interpreter dan dari penginderaan jauh yang berbeda-beda pula, (4) sistem klasifikasi dapat di aplikasikan pada area yang ekstensif, (5) pengkategorisasian memperbolehkan penggunaan lahan disimpulkan dari jenis tutupan lahan, (6) sistem klasifikasi harus cocok pada penginderaan jauh dan juga dapat dipakai untuk tahun mendatang, (7) kategori harus dapat dibagi lagi menjadi sub kategori yang lebih detail yang didapat dari gambar skala besar atau survey lahan, (8) pengagregasian kateogri dimungkinkan (9) perbandingan antara penggunaan lahan dan tutupan lahan antara yang sekarang dan yang akan datang dimungkinkan, (10) penggunaan-penggunaan dari lahan harus bisa di ketahui jika memungkinkan. USGS membagi tutupan lahan dan penggunaan lahan menjadi IV level dimana level I merepresentasikan data yang diambil dari satelit dengan resolusi rendah sampai menengah (Landsat MSS data; resolusi 20-100m ), level II dengan foto udara skala kecil dengan resolusi menengah (Landsat TM data; resolusi 5-20 m), level III dengan foto udara skala medium; satelit dengan resolusi tinggi (IKONOS; resolusi 1-5m) dan level IV merupakan foto udara dengan skala besar (resolusi 0,25-1 m). Berikut akan dijelaskan klasifikasi umum USGS dari Level I – Level III, diambil contoh perkotaan (urban) atau daerah terbangun (built-up area) (level I) dan dibagi-bagi menjadi beberapa kategori pada level II-nya yaitu tempat tinggal, komersial dan layanan; industri; trasnportasi, komunikasi, dan keperluan lain; komplek industri dan komersial; gabungan perkotaan atau bangunan; perkotaan
27
lain atau lahan buatan. Dari level II tempat tinggal, dapat dibagi-bagi lagi menjadi yang lebih kecil pada level III seperti 1 keluarga, lebih dari 1 keluarga, kelompok, hotel, parkir mobil, penginapan sementara, dan masih banyak lagi.
Berikut sistem Klasifikasi USGS level I dan Level II Level I 1 Urban or built-up land
2 Agricultural land
3 Range land
4 Forest Land
5 water
6 wetland 7 Barren Land
Level II 1 1 Residential 1 2 commercial and service 1 3 Industrial 1 4 transportation, communication, and utilities 1 5 Industrial and commercial complexes 1 6 Mixed urban or built-up land 1 7 Other urban or built-up land 2 1 Cropland and pasture 2 2 Orchards, groves, vineyards, nurseries and ornamental horticultural areas 2 3 Confined feeding operation 2 4 Other agricultural land 3 1 Herbaceous rangeland 3 2 Shrub and brush rangeland 3 3 Mixed rangeland 4 1 Deciduous forest land 4 2 Evergreen forest land 4 3 Mixed forest land 5 1 Streams and canals 5 2 Lakes 5 3 reservoirs 5 4 Bays and estuaries 6 1 Forested wetland 6 2 Nonforested Wetland 7 1 Dry salt flats 7 2 Beaches 7 3 Sandy areas other than beaches 7 4 Bare Exposed Rock 7 5 Strip mines, quarries, and gravel pits 7 6 transitional areas
28
8 Tundra
8 1 Shrub and brush tundra 8 2 Herbaceous Tundra 8 3 Bare ground tundra 8 4 wet tundra 9 Parennial snow or ice 9 1 Parennial snowfileds 9 2 glaciers Tabel 2.1 Sistem Klasifikasi USGS level I dan Level II
Selain itu juga dijelaskan mengenai daerah terbangun (built-up land) untuk setiap level dari level I, level II dan level III dan dapat dilihat secara lebih rinci pada bagan berikut.
Gambar 2.6 Level I, Level II dan Level III pada perkotaan atau daerah terbangun
29
2.7
Algoritma Region Growing Algoritma berbasis region adalah algoritma segmentasi yang akan digunakan dalam penelitian ini untuk mensegmentasi tutupan lahan. Dari namanya, kita dapat menyimpulkan bahwa region growing adalah prosedur pengelompokan piksel atau sub region menjadi region yang lebih besar berdasar kriteria yang ada (Gonzales and Wintz, 1987). Pemilihan satu starting point atau lebih berdasar pada masalahnya. Jika informasinya kurang lengkap, maka prosedurnya adalah dengan mengkomputasi semua piksel dengan properti yang sama untuk membuatnya menjadi region selama proses growing, jika hasilnya menunjukkan nilai kluster, maka piksel di mana propertinya mendekati kluster tersebut akan menjadi seed. Algoritma ini umum digunakan untuk segmentasi obyek pada berbagai karakteristik citra multi resolusi dan multi spektral yang dipengaruhi oleh beberapa faktor seperti image layer weight, scale parameter, shape and color dan smoothness and compactness. Parameter image layer weight dapat diketahui dari masing-masing layer pada citra yang akan diteliti sedangkan scale parameter diperoleh dari nilai keragaman maksimum yang dimungkinkan dari suatu obyek pada citra. Shape and color merupakan parameter tambahan yang dapat mempengaruhi penggabungan piksel kedalam group. Bentuk (shape) suatu obyek pada citra dipengaruhi oleh smoothness (kehalusan) dan compactness (kekompakan) dari obyek tersebut. Smoothness adalah hubungan antara panjang batas suatu obyek (l) dengan perimeter dari bounding box suatu obyek. Sedangkan kekompakan adalah
30
hubungan antar panjang batas suatu obyek (l) dengan akar dari jumlah piksel (n) yang menyusun obyek tersebut. Metode region growing pertama ialah seeded
region growing yang
mengambil seed sebagai input bersama dengan image. Seed ini menandai setiap obyek yang akan di segmentasi. Region atau wilayahnya secara berulang-ulang dikembangkan dengan membandingkan semua piksel berikutnya yang tidak dialokasikan ke dalam region dan perbedaan antara nilai intensitas piksel dan nilai rata-rata dari region digunakan untuk mengukur kesamaan. Piksel yang memiliki perbedaan paling kecil setelah diukur dialokasikan ke respective region dan diulang sampai semua piksel telah teralokasikan ke region. Seeded region growing ini membutuhkan seed sebagai input tambahan, hasil segmentasinya dependan tergantung dari pilihan seednya. Noise dalam image dapat menyebabkan seed diletakkan ditempat yang kurang baik. Unseeded region growing memiliki algoritma yang telah dimodifikasi sehingga tidak membutuhkan explicit seeds. Semua di mulai dari single region (tidak akan berpengaruh pada hasil segmentasi) dan setiap perulangan itu dianggap sebagai piksel berikutnya seperti dalam algoritma region growing. Jika perbedaannya lebih kecil dari threshold maka akan ditambah dalam respective region, jika tidak, maka piksel itu akan dianggap sangat berbeda dan akan dibuat region baru dengan piksel ini. Satu varian dari teknik ini berdasar pada intensitas piksel. Rata-rata dan sebaran region serta intensitas kandidat piksel digunakan untuk mengkomputasi
31
sebuah test statistic, jika hasilnya cukup kecil, maka piksel itu akan di tambahkan ke dalam region dan rata-rata serta sebaran dari region itu akan dikomputasi ulang. Jika tidak, maka akan dibuat region baru. Secara keseluruhan, proses region growing yang kami lakukan dalam skripsi ini dapat digambarkan dengan activity diagram berikut ini
Gambar 2.7 Proses segmentasi citra spasial multi resolusi dengan region growing