BAB II TINJAUAN PUSTAKA
Hal-hal yang dipaparkan pada bab ini adalah penelahan kepustakaan yang mendasari proses perancangan dan pembuatan aplikasi, meliputi teori citra digital, penginderaan jauh, image fusion, pansharpening, dan metode yang dipergunakan dalam pembuatan aplikasi seperti IHS (Intensity Hue Saturation) dan Transformasi Brovey.
2.1
State of the Art Hasil dari penginderaan jauh (remote sensing) sangat dipengaruhi oleh data
yang diperoleh pada satelit, data setelit yang mempunyai kualitas yang bagus menunjang keakuratan dari proses remote sensing tersebut. Kualitas citra yang didapat pada satelit yang baik contohnya dari segi tekstur mempunyai tekstur yang halus dan tidak buram, dari segi warna yaitu warna yang ditampilkan mendekati warna asli dari citra tersebut, dari segi bentuk yaitu objek yang ada pada citra dapat ditampilkan dengan jelas sehingga dapat dikenali bentuk yang ada pada citra, misalnya pada citra terdapat bentuk persegi panjang, jadi dapat diasumsikan bahwa bentuk tersebut adalah bangunan pada keadaan nyata. Contoh dari citra yang tidak memiliki kualitas yang bagus, contohnya citra terlihat buram atau banyak terdapat noise yang ada pada citra, disinilah diperlukanya perbaikan citra sehingga kualitas suatu citra dapat ditingkatkan. Penelitian sebelumnya yang juga menggunakan metode pansharpening berjudul Pemetaan Manggrove dengan Teknik Image Fusion Citra Spot dan Quickbird di Pulau Los Kota Tanjungpinang oleh Reygian Freila Chevalda, Yales Veva Jaya, S.Pi, M.Si, dan Dony Apdillah, S.Pi, M.Si yaitu untuk mengetahui kemampuan dari citra hasil fusi dalam mendeteksi mangrove, menghitung luasan mangrove, dan memetakan vegetasi mangrove yang ada di Pulau Los. Penelitian ini dimulai dari Bulan Desember 2012 hingga April 2013 dengan menggunakan
metode Principal Component Analysis. Objek yang dikaji adalah mangrove di Pulau Los. Penelitian selanjutnya yang memakai pansharpening sebagai metode di dalam proses penajaman citra adalah Metode Penajaman (Pansharpen) Citra Landsat 8 oleh Dianovita dan Fadilah Muchsin dari Pusat Teknologi Penginderaan Jauh, LAPAN. Penelitian ini membahas tentang teknik pansharpening secara umum dengan contoh kasus dengan menggunakan metode Brovey dan IHS-RGB. Penelitian selanjutnya berjudul Teknik dan Metode Fusi (Pansharpening) Data ALOS (AVNIR-2 dan PRISM) untuk Identifikasi Penutupan Lahan/Tanaman Pertanian Sawah oleh Gokmaria Sitanggang dari Peneliti Bidang Bangfatja, Pusat Pengembangan Pemanfaatan, LAPAN. Penelitian ini membahas tentang teknik pansharpening menggunakan citra satelit ALOS dengan studi kasus daerah Bantul, Yogyakarta.
2.2
Citra Digital Citra digital adalah gambar dua dimensi yang dihasilkan dari gambar analog
dua dimensi yang kontinu menjadi gambar diskrit melalui proses sampling. Citra digital dapat didefinisikan sebagai fungsi dua variabel, f(x,y), dimana x dan y adalah koordinat spasial sedangkan nilai f(x,y) adalah intensitas citra pada koordinat tersebut. Teknologi dasar untuk menciptakan dan menampilkan warna pada citra digital berdasarkan pada penelitian bahwa sebuah warna merupakan kombinasi dari tiga warna dasar, yaitu merah, hijau, dan biru (Red, Green, Blue - RGB) (Gonzales, 2004).
2.3
Format File Citra Format citra harus dapat menyatukan kualitas citra, ukuran file dan
kompatibilitas dengan berbagai aplikasi. Tersedianya banyak format grafik dan format baru tersebut dikembangkan, di antaranya yang terkenal adalah BMP, JPEG, dan GIF. Program pengolahan citra biasanya memiliki format citra tersendiri. Format dan metode dari suatu citra yang baik juga sangat bergantung pada jenis citranya. Format file citra memiliki kelebihan dan kekurangan masing-masing
2
3
dalam hal citra yang disimpan. Citra tertentu dapat disimpan dengan baik (dalam arti ukuran file lebih kecil dan kualitas gambar tidak berubah) pada format file citra tertentu, karena jika disimpan pada format lain, maka terkadang dapat menyebabkan ukuran file menjadi lebih besar dari aslinya dan kualitas citra dapat menurun. Penyimpanan suatu citra harus diperhatikan citra dan format file citra apa yang sesuai. Format citra GIF sangat tidak cocok untuk citra fotografi karena biasanya citra fotografi kaya akan warna, sedangkan format GIF hanya mendukung sejumlah warna sebanyak 256 (8 bit) saja. Format JPEG merupakan pilihan yang tepat untuk citra-citra fotografi karena JPEG sangat cocok untuk citra dengan perubahan warna yang halus. Tagged Image File Format (TIFF) salah satu format umum yang digunakan untuk menyimpan foto-foto digital. TIFF merupakan format yang tak gampang hilang, sehingga kualitas tidak berkurang karena penyimpanan. Format bitmap yaitu format citra yang disimpan sebagai suatu matriks dimana masing-masing elemennya digunakan untuk menyimpan informasi warna untuk setiap pixel. Jumlah warna yang dapat disimpan ditentukan dengan satuan bit-per-pixel. Semakin besar ukuran bit-per-pixel dari suatu bitmap, semakin banyak pula jumlah warna yang dapat disimpan. Format bitmap ini cocok digunakan untuk menyimpan citra digital yang memiliki banyak variasi dalam bentuknya maupun warnanya, seperti foto, lukisan, dan frame video. Format file citra standar yang digunakan saat ini terdiri dari beberapa jenis. Format-format ini digunakan dalam menyimpan citra dalam sebuah file. Format memiliki karakteristik masing-masing. (Sutoyo,2009). 1.
Bitmap (.bmp) Format bitmap, citra disimpan sebagai suatu matriks di mana masing-
masing elemennya digunakan untuk menyimpan informasi warna untuk setiap pixel. Jumlah warna yang dapat disimpan ditentukan dengan satuan bit-per-pixel. Semakin besar ukuran bit-per-pixel dari suatu bitmap, semakin banyak pula jumlah warna yang dapat disimpan. Format bitmap ini cocok digunakan untuk menyimpan citra digital yang memiliki banyak variasi dalam bentuknya maupun warnanya, seperti foto, lukisan, dan frame video. Format file yang menggunakan format bitmap ini antara lain adalah BMP, DIB, PCX, GIF, dan JPG. Format yang menjadi
4
standar dalam sistem operasi Microsoft Windows adalah format bitmap BMP atau DIB. Karakteristik lain dari bitmap yang juga penting adalah jumlah warna yang dapat disimpan dalam bitmap tersebut, Ini ditentukan oleh banyaknya bit yang digunakan untuk menyimpan setiap titik dari bitmap yang menggunakan satuan bpp (bit per pixel). Windows mengenal bitmap dengan 1, 4, 8, 16, dan 24 bit per pixel. Jumlah warna maksimum yang dapat disimpan dalam suatu bitmap adalah sebanyak 2n, dimana n adalah banyaknya bit yang digunakan untuk menyimpan satu titik dari bitmap.
2.
Tagged Image Format (.tif, .tiff) Format .tif merupahkan format penyimpanan citra yang dapat digunakan
untuk menyimpan citra bitmap hingga citra dengan warna palet terkompresi. Format ini dapat digunakan untuk menyimpan citra yang tidak terkompresi dan juga citra terkompresi.
3.
Portable Network Graphics (.png) Format .png adalah format penyimpanan citra terkompresi. Format ini dapat
digunakan pada citra grayscale, citra dengan palet warna, dan juga citra fullcolor. Format .png juga mampu menyimpan informasi hingga kanal alpha dengan penyimpanan sebesar 1 hingga 16 bit per kanal.
4.
Joint Photographic Expert Group (.jpg) Format .jpg adalah format yang sangat umum digunakan saat ini khususnya
untuk transmisi citra. Format ini digunakan untuk menyimpan citra hasil kompresi dengan metode JPEG. Format JPEG merupakan format yang paling terkenal sampai sekarang ini. Sifatnya yang berukuran kecil (hanya puluhan/ratusan KB saja), dan bersifat portable. Format file ini sering digunakan pada bidang fotografi untuk menyimpan file foto hasil perekaman analog to digital converter (ADC). Ukuran yang kecil maka file ini banyak digunakan di web (internet).
5
5.
Graphics Interchange Format (.gif) Format ini dapat digunakan pada citra warna dengan palet 8 bit. Penggunaan
umumnya pada aplikasi web. Kualitas yang rendah menyebabkan format ini tidak terlalu populer dikalangan peneliti pengolahan citra digital.
6.
RGB (.rgb) Format ini merupakan format penyimpanan citra yang dibuat oleh silicon
graphics untuk menyimpan citra berwarna.
7.
RAS (.ras) Format .ras diigunakan untuk menyimpan citra dengan format RGB tanpa
kompresi.
2.4
Pengolahan Citra Sebuah citra kaya informasi, namun seringkali citra yang kita miliki
mengalami penurunan mutu (degradasi), misalnya mengandung cacat atau derau (noise), warnanya terlalu kontras, kurang tajam, kabur (blurring), dan sebagainya. Tentu saja citra semacam ini menjadi lebih sulit diinterpretasi karena informasi yang disampaikan oleh citra tersebut menjadi berkurang. Citra yang mengalami gangguan mudah diinterpretasi (baik oleh manusia maupun mesin), maka citra tersebut perlu dimanipulasi menjadi citra lain yang kualitasnya lebih baik. Bidang studi yang menyangkut hal ini adalah pengolahan citra (image processing). Pengolahan citra adalah pemrosesan citra, khususnya dengan menggunakan komputer, menjadi citra yang kualitasnya lebih baik. Operasi-operasi yang dilakukan dalam pengolahan citra sangat beragam. Umumnya, dikenal enam operasi pengolahan citra antara lain: 1.
Perbaikan Citra (image restoration) Hakikatnya semua operasi dalam pengolahan citra bertujuan untuk
memperbaiki kualitas citra untuk suatu keperluan tertentu. Perbaikan citra diartikan sebagai proses untuk mengolah citra digital yang didapat agar lebih mendekati
6
bentuk citra aslinya, atau sering disebut sebagai proses mendapatkan kembali (rekonstruksi) citra asli dari suatu citra yang telah mengalami proses degradasi. 2.
Perbaikan Kualitas Citra (image enhancement) Jenis operasi ini bertujuan untuk memperbaiki kualitas citra dengan cara
memanipulasi parameter-parameter citra. Ciri-ciri khusus yang terdapat didalam citra lebih ditonjolkan. Contoh-contoh operasi perbaikan kualitas citra: a. Perbaikan kontras gelap/terang. b. Perbaikan tepian objek (edge enhancement). c. Penajaman (sharpening). d. Pemberian warna semu (pseudocoloring). e. Penapisan derau (noise filtering). 3.
Pemampatan Citra (image compression) Operasi ini bertujuan untuk memampatkan citra sehingga memori yang
dibutuhkan untuk menyimpan citra lebih kecil, tetapi hasil citra yang telah dimampatkan tetap memiliki kualitas gambar yang bagus. Contohnya adalah metode JPEG atau Joint Photographic Experts Group yang mendukung warna 24 bit (jutaan warna) dan mendukung banyak jenis dan variasi dari kecerahan, pewarnaan, dan tata cahaya. 4.
Segmentasi Citra (Image Segmentation) Operasi ini bertujuan untuk memecah suatu citra ke dalam beberapa segmen
dengan suatu kriteria tertentu. Jenis operasi ini erat kaitannya dengan pengenalan pola. 5.
Analisis Citra (Image Analysis) Operasi ini bertujuan untuk menghitung besaran kuantitatif citra untuk
menghasilkan deskripsinya. Teknik analisis citra mengekstraksi ciri-ciri tertentu yang membantu dalam identifikasi obyek. Proses segmentasi kadang kala diperlukan untuk melokalisasi obyek yang diinginkan dari sekelilingnya. Klasifikasi analisis citra antara lain: a. Pendeteksian tepian (edge detection). b. Ekstraksi batas (boundary).
7
c. Representasi daerah (region). 6.
Rekonstruksi Citra (image reconstruction). Operasi ini bertujuan untuk membentuk ulang obyek dari beberapa citra
hasil proyeksi. Operasi rekonstruksi citra banyak digunakan dalam bidang medis. Contohnya adalah foto rontgen dengan sinar X digunakan untuk membentuk ulang gambar organ tubuh.
2.5
Penginderaan Jauh (Remote Sensing) Penginderaan jauh adalah ilmu dan seni untuk memperoleh informasi
tentang suatu objek, daerah, atau fenomena melalui analisis data yang diperoleh dengan suatu alat tanpa kontak langsung dengan objek, daerah, atau fenomena yang dikaji. Menurut Lindgren dalam Sutanto (1986) penginderaan jauh adalah teknik yang dikembangkan untuk perolehan dan analisis informasi tentang bumi, informasi tersebut berbentuk radiasi elektromagnetik yang dipantulkan atau dipancarkan dari permukaan bumi. Mather (1987) mengatakan bahwa penginderaan jauh terdiri atas pengukuran dan perekaman terhadap energi elektromagnetik yang dipantulkan atau dipancarkan oleh permukaan bumi dan atmosfer dari suatu tempat tertentu di permukaan bumi. Lilesand et al. (2004) mengatakan bahwa penginderaan jauh adalah ilmu dan seni untuk memperoleh informasi tentang suatu objek, daerah, atau fenomena melalui analisis data yang diperoleh dengan suatu alat tanpa kontak langsung dengan objek, daerah, atau fenomena yang dikaji. Pengertian penginderaan jauh berdasarkan pandangan para ahli tersebut dapat disimpulkan bahwa penginderaan jauh adalah teknik yang digunakan untuk memperoleh data tentang permukaan bumi yang menggunakan media satelit ataupun pesawat terbang. Penginderaan jauh dalam Bahasa Inggris disebut Remote Sensing, Bahasa Perancis disebut Teledetection, Bahasa Jerman adalah Fernerkundung, Portugis menyebutnya dengan Sensoriamento Remota, Rusia disebut Distantionaya, dan Spanyol disebut Perception Remota. Jenis data penginderaan jauh, yaitu citra. Citra adalah gambaran rekaman suatu objek atau biasanya berupa gambaran objek pada foto. Sutanto (1986)
8
menyebutkan bahwa terdapat beberapa alasan yang melandasi peningkatan penggunaan citra penginderaan jauh, yaitu sebagai berikut: 1.
Citra menggambarkan objek, daerah, dan gejala di permukaan bumi dengan wujud dan letaknya yang mirip dengan di permukaan bumi.
2.
Citra menggambarkan objek, daerah, dan gejala yang relatif lengkap, meliputi daerah yang luas dan permanen.
3.
Dari jenis citra tertentu dapat ditimbulkan gambaran tiga dimensi apabila pengamatannya dilakukan dengan stereoskop.
4.
Citra dapat dibuat secara cepat meskipun untuk daerah yang sulit dijelajahi secara terestrial. Menurut Estes dan Simonett dalam Sutanto (1999) mengatakan bahwa
interpretasi citra adalah perbuatan mengkaji foto udara atau citra dengan maksud untuk mengidentifikasi objek dan menilai arti pentingnya objek tersebut. Pengenalan objek yang tergambar pada citra, terdapat tiga rangkaian kegiatan yang diperlukan, yaitu deteksi, identifikasi, dan analisis. Deteksi adalah pengamatan atas adanya objek, identifikasi adalah upaya mencirikan objek yang telah dideteksi dengan menggunakan keterangan yang cukup, sedangkan analisis adalah tahap mengumpulkan keterangan lebih lanjut. Interpretasi citra dapat dilakukan secara visual maupun digital. Interpretasi visual dilakukan pada citra hardcopy ataupun citra yang tertayang pada monitor komputer. Menurut Howard dalam Suharyadi (2001) interpretasi visual adalah aktivitas visual untuk mengkaji gambaran muka bumi yang tergambar pada citra untuk tujuan identifikasi objek dan menilai maknanya. Prinsip pengenalan objek pada citra secara visual bergantung pada karakteristik atau atribut yang tergambar pada citra. Karakteristik objek pada citra digunakan sebagai unsur pengenalan objek yang disebut unsur-unsur interpretasi. Menurut Sutanto (1999) unsur-unsur interpretasi meliputi sebagai berikut: 1.
Rona atau warna (tone/color). Rona adalah tingkat kegelapan atau kecerahan objek pada citra, sedangkan warna adalah wujud yang tampak oleh mata. Rona ditunjukkan dengan gelap-putih. Pantulan rendah, ronanya gelap, pantulan tinggi ronanya putih.
9
2.
Bentuk (shape) adalah variabel kualitatif yang memberikan konfigurasi atau kerangka suatu objek. Bentuk merupakan atribut yang jelas sehingga banyak objek yang dapat dikenali berdasarkan bentuknya saja, seperti bentuk memanjang, lingkaran, dan segi empat.
3.
Ukuran (size) adalah atribut objek yang antara lain berupa jarak, luas, tinggi, kemiringan lereng, dan volume.
4.
Kekasaran (texture) adalah frekwensi perubahan rona pada citra atau pengulangan rona terhadap objek yang terlalu kecil untuk dibedakan secara individual.
5.
Pola (pattern) adalah hubungan susunan spasial objek. Pola merupakan ciri yang menandai objek bentukan manusia ataupun alamiah.
6.
Bayangan (shadow) adalah aspek yang menyembunyikan detail objek yang berada di daerah gelap.
7.
Situs (site) adalah letak suatu objek terhadap objek lain di sekitarnya.
8.
Asosiasi (association) adalah keterkaitan antara objek yang satu dan objek lainnya. Lo (1976) mengemukakan bahwa pada dasarnya kegiatan penafsiran citra
terdiri atas dua tingkat, yaitu tingkat pertama yang berupa pengenalan objek melalui proses deteksi dan identifikasi. Tingkat kedua yang berupa penilaian atas pentingnya objek yang telah dikenali tersebut. Tingkat pertama berarti perolehan data, sedangkan tingkat kedua berupa interpretasi atau analisis data. Sutanto (1999) mengemukakan bahwa interpretasi citra pada dasarnya terdiri atas dua kegiatan utama, yaitu penyadapan data dari citra dan penggunaan data tersebut untuk tujuan tertentu. Penyadapan data dari citra berupa pengenalan objek yang tergambar pada citra serta penyajiannya ke tabel, grafik, dan peta tematik. Urutan pekerjaannya dimulai dari menguraikan atau memisahkan objek yang rona atau warnanya berbeda, diikuti oleh delineasi atau penarikan garis batas bagi objek yang memiliki rona atau warna sama. Objek yang telah dikenali jenisnya kemudian diklasifikasikan sesuai dengan tujuan interpretasi dan digambarkan pada peta.
10
2.6
Satelit Landsat Landsat (Land Satellites) merupakan satelit sumber daya bumi yang paling
sering digunakan. Pertama kali bernama ERTS-1 (Earth Resources Technology Satellite). Diluncurkan pada tanggal 23 Juli 1972 yang mengorbit hanya sampai dengan tanggal 6 Januari 1978. Satelit Landsat mengorbit bumi selaras matahari (sunsynchronous). Bersamaan dengan waktu peluncuran ERTS-B tanggal 22 Juli 1975, NASA (National Aeronautic and Space Administration) secara resmi mengubah program ERTS menjadi program Landsat (untuk membedakan dengan program satelit oseanografi ”Seasat” yang telah direncanakan) sehingga ERTS-1 dan ERTS-B menjadi Landsat -1 dan Landsat-2. Peluncuran Landsat -3 dilakukan pada tanggal 5 Maret 1978. Konfigurasi dasar satelit Landsat 1, 2, dan 3 adalah berbentuk kupu-kupu dengan tinggi kurang lebih 3 (tiga) meter, bergaris tengah 1,5 meter dengan panel matahari yang melintang kurang lebih 4 meter. Berat satelit Landsat kurang lebih 815 kg dan diluncurkan dengan orbit lingkarnya pada ketinggian 920 km. Orbit satelit melalui Kutub Utara dan Kutub Selatan, mengelilingi bumi satu kali dalam 103 menit pada jarak 2.760 km di equator sehingga menghasilkan 14 kali orbit dalam sehari. Landsat 1, 2, dan 3 diluncurkan ke orbit, melintasi equator pada jam 9.42 siang hari waktu setempat. Sensor Landsat meliput lebar rekaman 185 km. Landsat 1 dan 2 membawa 2 sensor, yaitu RBV (Return Beam Vidicon) dan MSS (Multispectral Scanner). Landsat-3, memiliki rancang bangun yang berbeda, yaitu ada tambahan saluran termal (10,4-12,6) mm pada sensor MSS dan resolusi spasial sistem RBV ditingkatkan dengan menggunakan sistem 2 kamera lebar (bukan multispectral). Saluran termal pada Landsat-3 MSS mengalami masalah dalam pengoperasiannya, menyebabkan kegagalan, sehingga hanya empat saluran yang dapat meyajikan data dan resolusinya 79 m. Sensor RBV pada Landsat-3 ini membuahkan citra ber-spektrum lebar dengan faktor peningkatan medan sebesar 2,6 dibandingkan RBV multispectral pada Landsat-1 dan Landsat-2. Landsat-4 dan Landsat-5, yang merupakan pengembangan daripada Landsat-1, 2 dan 3. Beberapa kelebihan daripada Landsat-4 dan 5 dibandingkan dengan Landsat-1, 2 dan 3, antara lain:
11
1.
Stabilitas yang semakin baik,
2.
Peningkatan sensor spasial,
3.
Kepekaan radiometrik,
4.
Laju pengiriman datanya lebih cepat,
5.
Fokus penginderaan informasi pada vegetasi dan
6.
Pengembangan sistem sensor. Sensor pada Landsat-4 dan 5 disamping memiliki 4 sensor MSS ditambah
juga dengan sensor TM (Thematic Mapper), dan ETM (Enhanced Thematic Mapper). Landsat-4 diluncurkan pada Juli 1982, sedangkan Landsat-5 pada Maret 1984. Bulan Februari 1993, Landsat-6 diluncurkan namun mengalami kegagalan, karena tidak mencapai orbit dan akhirnya jatuh ke laut.
Landsat-6 ini telah
mengalami peningkatan pada kemampuan sensornya. Landsat 6 memiliki sensor TM dan ETM, juga ditambahkan saluran termal (10,4-12,6 µm). Landsat-4, 5 dan 6, terjadi perubahan-perubahan mendasar dibandingkan dengan Landsat sebelumnya antara lain: a.
Perubahan waktu lintas equator dari jam 9.42 menjadi jam 11.00,
b.
Ketinggian orbit dari 920 km menjadi 705 km,
c.
GPS (Global Positioning System) canggih untuk menghasilkan rekaman letak ketinggian satelit yang tepat,
d.
Sistem pengirim data lintas TDRSS (Tracking Data Relay Satellite System). Sistem ini menggunakan 2 satelit komunikasi untuk melakukan pengiriman data dari Landsat ke stasiun bumi di seluruh dunia,
e.
Interval waktu pemotretan daerah yang sama yaitu 16 hari. Kegagalan Landsat-6, menyebabkan EOSAT (Earth Observation Satellite)
sebagai operator teknis mulai mengambil langkah-langkah teknis dengan jalan mengembangkan kemampuan Landsat-5 sebelum meluncurkan Landsat-7. Langkah-langkah yang diambil antara meliputi mempertahankan orbit satelit selaras matahari (sunsyncronous) penempatan saat lintas satelit di khatulistiwa (equator) pada descending node yang dimulai pada pukul 09.00 waktu setempat (awal pengoperasiannya pada pukul 09.30) sampai Bulan Mei 1996. EOSAT mengharapkan Landsat-5 ini dapat dipertahankan sampai dengan tahun 1997/1998.
12
Sistem Landsat milik Amerika Serikat ini mempunyai 5 (lima) instrumen pencitraan (imaging instrument) atau sensor, yaitu Return Beam Vidicon (RBV), Multispectral Scanner (MSS), Thematic Mapper (TM) dan Enhanced Thematic Mapper (ETM).
2.6.1
Satelit Landsat 8 Satelit Landsat 8 diluncurkan pada 11 Februari 2013 dari Vandenberg Air
Force Base, California pada roket Atlas-V 401 dengan Extended Payload Fairing (EPF) dari United Launch Alliance, LLC. Landsat 8 dilengkapi oleh 2 sensor yaitu Operational Land Imager (OLI) dan Thermal Infrared Sensor (TIRS) yang menyediakan cakupan musiman dari daratan global pada resolusi spasial 30 meter (Visible, NIR, SWIR), 100 meter (Thermal) dan 15 meter (Panchromatic) (NASA, 2013).
Gambar 2.1 Satelit Landsat 8 Sumber: http://gallery.usgs.gov/
Beberapa perbedaan pada band satelit Landsat 8 dengan sebelumnya yaitu Landsat 7 ETM+. Perbedaan band tersebut dapat dilihat pada tabel berikut: Tabel 2.1 Perbedaan band Landsat 7 ETM+ dengan Landsat 8 (Markham, 2013) Band-band Landsat 7 ETM+ (µm)
Band-band Landsat 8 OLI and TIRS (µm) 30 m Coastal/Aerosol
0.435–0.451
Band 1
Band 1
30 m Blue
0.441–0.514
30 m Blue
0.452-0.512
Band 2
Band 2
30 m Green
0.519–0.601
30 m Green
0.553-0.590
Band 3
13
Band 3
30 m Red
0.631–0.692
30 m Red
0.636-0.673
Band 4
Band 4
30 m NIR
0.772–0.898
30 m NIR
0.851-0.879
Band 5
Band 5
30m SWIR-1
1.547–1.749
30 m SWIR-1
1.566-1.651
Band 6
Band 6
60 m TIR
10.31–12.36
100 m TIR-1
10.60-11.19
Band 10
100 m TIR-2
11.50-12.51
Band 11
Band 7
30 m SWIR-2
2.064–2.345
30 m SWIR-2
2.107-2.294
Band 7
Band 8
15 m Pan
0.515–0.896
15 m Pan
0.503-0.676
Band 8
10 m Cirrus
1.363-1.384
Band 9
2.7
Citra Satelit Multispectral Citra multispectral adalah citra yang dibuat dengan saluran jamak. Berbeda
dengan citra tunggal yang umumnya dibuat dengan saluran lebar, citra multispectral umumnya dibuat dengan saluran sempit. Penggunaan sensor multispectral, maka kenampakan yang diindera akan menghasilkan citra dengan berbagai saluran. Citra dengan saluran yang berbeda tersebut dapat digunakan untuk mengidentifikasi kenampakan-kenampakan tertentu, karena saluran-saluran tersebut memiliki kepekaan terhadap suatu kenampakan. Citra multispectral berfungsi menangkap data gambar pada frekuensi tertentu di seluruh spektrum elektromagnetik. Panjang gelombang dapat dipisahkan oleh filter atau dengan penggunaan instrumen yang sensitif terhadap panjang gelombang tertentu, termasuk cahaya dari frekuensi di luar jangkauan cahaya tampak, seperti inframerah. Pencitraan spectral dapat memungkinkan ekstraksi informasi tambahan mata manusia gagal untuk menangkap reseptor untuk warna merah, hijau dan biru Citra multispectral adalah tipe utama dari gambar yang diperoleh oleh penginderaan jauh (RS) radiometers. Membagi spektrum dalam banyak band, multispectral adalah kebalikan dari panchromatic, yang mencatat hanya intensitas total radiasi yang jatuh pada setiap pixel. Satelit memiliki tiga atau lebih radiometers (Landsat memiliki tujuh). Masing-masing memperoleh satu gambar digital (dalam penginderaan jauh, disebut ‘adegan’) di sebuah band kecil dari spektrum yang terlihat, mulai dari 0,7 pm sampai 0,4 pm, disebut merah-hijau-biru (RGB), dan panjang gelombang inframerah 0,7 pm sampai 10 pm atau lebih,
14
diklasifikasikan sebagai dekat inframerah (NIR), tengah inframerah (MIR) dan far infrared (FIR atau termal). Kasus Landsat, tujuh adegan terdiri dari tujuh gambar band multispectral. Pencitraan spectral dengan band yang lebih banyak, lebih halus resolusi spectral atau cakupan spectral yang lebih luas dapat disebut ultraspectral.
Gambar 2.2 Citra Satelit Multispectral Sumber:https://pixelcooker.wordpress.com
Teknologi ini juga membantu dalam interpretasi papirus kuno , seperti yang ditemukan di Herculaneum , oleh pencitraan fragmen dalam kisaran inframerah (1000 nm). Teks pada dokumen tampaknya sebagai tinta hitam pada kertas hitam dengan mata telanjang. Jarak 1000 nm, perbedaan reflektifitas cahaya membuat teks jelas dibaca. Penggunaan citra multispectral untuk gambar palimpsest Archimedes oleh pencitraan perkamen daun dalam bandwidth 365-870 nm, dan kemudian menggunakan teknik pengolahan citra digital canggih untuk mengungkapkan undertext karya Archimedes. Ketersediaan panjang gelombang untuk
penginderaan
jauh
dan
pencitraan
dibatasi
oleh jendela
inframerah dan jendela optik. Panjang gelombang adalah perkiraan, nilai-nilai yang tepat bergantung pada instrumen satelit tertentu: 1.
Biru, 450-515 nm, yang digunakan untuk pencitraan atmosfer dan air yang dalam, dan dapat mencapai hingga 150 kaki (50 m) jauh di air yang jernih.
2.
Hijau, 515-600 nm, yang digunakan untuk pencitraan vegetasi dan struktur air yang dalam, hingga 90 kaki (30 m) di air jernih.
3.
Merah, 600-690 nm, yang digunakan untuk pencitraan benda buatan manusia, dalam air hingga 30 kaki (9 m) dalam, tanah, dan vegetasi.
15
4.
Dekat inframerah, 750-900 nm, digunakan terutama untuk pencitraan vegetasi.
5.
Mid-inframerah, 1550-1750 nm, digunakan untuk vegetasi pencitraan, kadar air tanah, dan beberapa kebakaran hutan.
6.
Mid-inframerah, 2080-2350 nm, digunakan untuk pencitraan tanah, kelembaban, fitur geologi, silikat, tanah liat, dan kebakaran.
7.
Inframerah termal, 10.400-12.500 nm, menggunakan radiasi yang dipancarkan bukan tercermin, untuk pencitraan struktur geologi, perbedaan termal dalam arus air, kebakaran, dan untuk studi malam.
8.
Radar dan teknologi yang terkait berguna untuk pemetaan medan dan untuk mendeteksi berbagai objek. Untuk tujuan yang berbeda, kombinasi yang berbeda dari band spectral
dapat digunakan. Band tersebut diwakili dengan warna merah, hijau, dan saluran biru. Pemetaan band untuk warna tergantung pada tujuan dari gambar dan preferensi pribadi para analis. Inframerah termal sering dihilangkan dari pertimbangan karena resolusi spasial yang kecil, kecuali untuk tujuan khusus.
2.8
Citra Satelit Panchromatic Citra panchromatic adalah citra foto dari udara yang dibuat dengan
menggunakan seluruh spectrum tampak mata mulai dari warna merah hingga ungu. Foto udara ini sering disebut foto udara konvensional. Ciri foto panchromatic adalah pada warna objek sama dengan kesamaan mata manusia, sehingga baik untuk mendeteksi pencemaran air, kerusakan banjir, penyebarab air tanah, dan air permukaan.
16
Gambar 2.3 Citra Satelit Panchromatic Sumber:https://pixelcooker.wordpress.com
2.9
Image Fusion Penggabungan citra (image fusion) merupakan salah satu teknik pemrosesan
citra digital yang banyak mendapat perhatian dalam dunia penginderaan jauh. Image fusion dapat mengakomodasi kebutuhan citra resolusi tinggi tanpa harus mengusahakan sistem pencitraan dengan resolving power yang tinggi, sehingga dapat menghemat banyak waktu dan biaya. Terlebih kebanyakan sensor-sensor pada satelit sumber daya alam modern (Landsat 7 ETM+, Landsat 8, IKONOS, QUICKBIRD, IRS series, SPOT 1-5, ALOS AVNIR-2/PRISM, Orbview dll) sekarang ini dapat beroperasi pada mode multispectral dan panchromatic secara simultan, sehingga citra dari kedua mode dapat difusikan untuk memperoleh citra sintesis yang mengintegrasikan kelebihan spectral citra multispectral dan kelebihan spasial citra panchromatic. Kesimpulannya sederhana, image fusion dapat didefinisikan sebagai upaya penggabungan dua atau lebih citra yang berbeda dari segi resolusi (terutama spasial, spectral, temporal) ataupun dari segi sistem (optic, SAR) untuk menghasilkan citra baru yang mengintegrasikan kelebihan-kelebihan dari citra asal.
2.9.1
Pansharpening Salah satu bagian dari image fusion adalah pansharpening atau penajaman
citra multispectral dengan menggunakan detail spasial dari citra panchromatic. Teknik ini mengambil kelebihan dari masing-masing citra yaitu dari citra
17
panchromatic dengan mengambil resolusi spasial dan mengambil resolusi spectral dari citra multispectral. Data citra yang sering dipakai dalam analisis penginderaan jauh antara lain adalah citra panchromatic (pan) dengan informasi keabu-abuan yang umumnya memiliki informasi spasial tinggi sehingga dapat membantu melokasikan suatu objek di muka Bumi. Citra multispectral berwarna dengan saluran multispektrum (inframerah, cahaya tampak maupun ultraviolet) yang lebih memberikan informasi warna berdasarkan pantulan dan penyerapan sinar elektromagnetik oleh objek yang ditangkap oleh sensor. Umumnya citra multispectral yang ada memiliki resolusi rendah, dalam artian memiliki informasi spasial yang rendah meskipun mampu memberi informasi yang tinggi. Citra panchromatic dan multispectral ini, terlebih penggabungannya, memiliki andil yang besar dalam aplikasi penginderaan jauh. Proses penggabungan citra panchromatic dan citra multispectral ini umum dikenal dengan istilah image fusion atau pansharpening/image sharpening. Fusi citra secara umum diartikan sebagai teknik untuk mengintegrasikan detail geometri atau spasial dari suatu citra panchromatic (hitam putih) beresolusi tinggi dengan citra multispectral beresolusi rendah, dimana dua atau lebih gambar digabungkan menjadi satu gambar dengan mempertahankan fitur penting dari masing-masing gambar asli. Tujuan utama fusi citra adalah mengintegrasikan data-data yang didapat dari berbagai sumber untuk mendapatkan informasi yang jauh lebih baik jika dibandingkan dengan informasi yang didapat dari satu sumber saja. Manfaat dari fusi citra meliputi: 1.
Memperluas jangkauan operasi.
2.
Memperpanjang cakupan spasial dan temporal.
3.
Mengurangi ketidakpastian.
4.
Meningkatkan kehandalan.
5.
Menguatkan kinerja sistem.
6.
Kompak dalam penyajian informasi. Fusi citra sendiri dapat dilakukan dalam beberapa tingkat, yaitu pada tingkat
piksel, tingkat ciri dan pada tingkat pengambilan keputusan. Fusi citra pada tingkat piksel adalah fusi citra pada tingkat data paling dasar, yaitu penggabungan
18
parameter fisik dari citra itu sendiri yaitu data piksel-piksel yang menyusun sebuah citra. Fusi pada tingkat ciri memerlukan ekstraksi ciri dari citra-citra yang akan digabungkan, misalnya dengan melakukan segementasi terlebih dahulu kemudian objek-objek yang dihasilkan akan digabungkan. Fusi tingkat ciri juga dapat disebut fusi informasi. Fusi pada tingkat pengambilan keputusan adalah metode fusi dimana citra sumber diproses secara terpisah satu dengan yang lainnya, baru kemudian informasi dari masing-masing citra tersebut digabungkan untuk mendukung proses pengambilan keputusan/kesimpulan. Tiga metode yang dapat digunakan untuk fusi citra yaitu Principal Component Analysis, IHS dan Brovey Transform. Principal Commponent Merge merupakan metode penggabungan dua citra yang memiliki resolusi spasial yang berbeda dengan menggunakan analisis komponen utama (Principal Component Analysis/PCA). Karson (1982 dalam Putra, 2003) menyatakan bahwa tujuan dilakukannya analisis komponen utama adalah untuk memperoleh perubahan baru (komponen utama) yang tidak saling berkorelasi tetapi menyimpan informasi yang terkandung pada peubah asal. Multiplicative merupakan suatu teknik fusi yang digunakan untuk meningkatkan intensitas citra sehingga kenampakan kultural di permukaan Bumi dipertegas pada citra tersebut. Brovey transform merupakan suatu teknik fusi yang telah dikembangkan untuk meningkatkan kontras secara visual pada citra. Metode ini tidak cocok bagi mereka yang ingin mempertahankan nilai radiometrik asli. Metode ini memiliki perbedaan dengan kedua metode sebelumnya, yaitu 3 band telah ditentukan terlebih dahulu untuk dimasukkan ke dalam perhitungan matematis (Zakiah, 2007).
2.9.1.1 Metode Transformasi Brovey Transformasi Brovey merupakan metode mudah untuk mengkombinasikan data dari sensor berbeda, hanya saja terbatas untuk komposisi tiga kanal spectral. Metode Brovey bertujuan untuk menormalisasikan 3 kanal spectral yang digunakan untuk display RGB (Red, Green, Blue). Hasil dari normalisasi dikalikan dengan informasi data yang diinginkan, dalam hal ini citra panchromatic (Pan), untuk
19
menambah komponen intensitas dan kecerahan citra. Formula yang digunakan dijelaskan pada persamaan berikut (Dehghani 2003):
Red=Band3/(Band1+Band2+Band3)×Pan Green=Band2/(Band1+Band2+Band3)×Pan
(1)
Blue=Band1/(Band1+Band2+Band3)×Pan
Pan adalah citra panchromatic, band 1 adalah kanal merah, band 2 adalah kanal hijau, dan band 3 adalah kanal biru. Transformasi ini dapat meningkatkan tingkat kekontrasan citra hasil, sehingga dihasilkan citra yang lebih terang dari segi spectral warna. Transformasi ini tidak cocok jika ingin tetap mempertahankan nilai radiometri (spectral) dari citra multispectral awal. 2.9.1.2 Metode IHS (Intensity Hue Saturation) Substitusi komponen yang paling banyak digunakan teknik pansharpening didasarkan pada transformasi intensity hue saturation (IHS). Penggunaannya ketika citra multispectral memiliki tiga band yang sesuai dengan warna R, G dan B. Dalam transformasi IHS, intensitas I merupakan jumlah total cahaya pada citra. Intensitas sebuah citra sering memiliki tampilan citra pankromatik. Karakteristik ini digunakan dalam teknik pansharpening.
Gambar 2.5 Metode IHS
Sistem proses akan bekerja ketika kedua data citra diinputkan yaitu berupa data citra panchromatic dan data citra RGB dengan extensi .TIF, elemen pada kedua citra akan di fusi sehingga mendapatkan spectral dan spasial yang tinggi. 2.9.1.3 PCA (Principal Component Analysis) Transformasi PCA bertujuan mereduksi informasi dari komponen yang saling berkorelasi menjadi komponen tereduksi baru yang saling tidak berkorelasi.
20
Teknik fusi citra, PCA digunakan untuk mentransformasi citra multispectral beresolusi rendah untuk mendapatkan komponen penting (principal component) representatif baru yang saling tidak berkorelasi. Komponen penting berisi informasi umum dari keseluruhan kanal spektral, yang direpresentasikan dalam vektor-vektor nilai eigen. Proses untuk mendapatkan komponen penting ini disebut sebagai transformasi forward. Secara matematis dijelaskan pada persamaan (2) dengan 𝑙 𝐷𝑁𝑀𝑆 adalah digital number (DN) dari citra input multispectral resolusi spasial
rendah, PC1 adalah principal component pertama, dan matriks transformasi ν terdiri dari vektor-vektor eigen yang diurutkan berdasarkan nilai eigennya. 𝑙 𝐷𝑁𝑀𝑆1 𝑃𝐶1 𝑣11 𝑣21 … 𝑣𝑛1 𝑙 𝑃𝐶2 𝑣12 𝑣22 … 𝑣𝑛2 [ ]= [ ] = 𝐷𝑁𝑀𝑆2 … ………… … 𝑙 𝑃𝐶𝑛 𝑣1𝑛 𝑣2𝑛 … 𝑣𝑛𝑚 [𝐷𝑁𝑀𝑆𝑛 ]
(2)
Vektor eigen yang memiliki nilai eigen tertinggi merupakan komponen penting pertama ( PC1). PC1 ini yang akan digantikan oleh data citra panchromatic beresolusi spasial tinggi, yang sebelumnya direntangkan agar memiliki rataan (mean) yang menyamai PC1. Matematisnya, transformasi backward dari metode ℎ fusi citra menggunakan PCA dijelaskan pada persamaan (3), dengan 𝐷𝑁𝑀𝑆 adalah
citra multispectral hasil yang memiliki resolusi spasial lebih tinggi dan ℎ′ 𝐷𝑁𝑃𝐴𝑁 adalah citra panchromatic yang telah direntangkan agar menyamai rataan
dari PC1. ℎ ℎ′ 𝐷𝑁𝑀𝑆1 𝑣11 𝑣21 … 𝑣1𝑛 𝐷𝑁𝑃𝐴𝑁 ℎ 𝑣12 𝑣22 … 𝑣2𝑛 𝐷𝑁𝑀𝑆2 = [ ] = [ 𝑃𝐶2 ] ………… … … ℎ 𝑣1𝑛 𝑣2𝑛 … 𝑣𝑛𝑚 𝑃𝐶𝑛 [𝐷𝑁𝑀𝑆𝑛 ]
Jika digabungkan maka akan didapat persamaan (4) berikut:
(3)
21
ℎ ℎ 𝐷𝑁𝑀𝑆1 𝐷𝑁𝑀𝑆1 𝑣11 ℎ ℎ 𝐷𝑁𝑀𝑆2 = 𝐷𝑁𝑀𝑆2 + (𝐷𝑁 ℎ′ − 𝐷𝑁 𝑙 ) = [𝑣21] 𝑃𝐴𝑁 𝑃𝐴𝑁 … … … ℎ ℎ 𝑣𝑛𝑙 [𝐷𝑁𝑀𝑆𝑛 ] [𝐷𝑁𝑀𝑆𝑛 ]
(4)
𝑙 ℎ′ ℎ 𝐷𝑁𝑃𝐴𝑁 = PC1 dan 𝐷𝑁𝑃𝐴𝑁 adalah 𝐷𝑁𝑃𝐴𝑁 , yang telah direntangkan agar memiliki
nilai rataan dan ragam menyerupai PC1 (Wang et al. 2005).
