15
BAB III METODOLOGI 3.1 Waktu dan Tempat Penelitian ini dilaksanakan mulai bulan Juli sampai dengan April 2011 dengan daerah penelitian di Kabupaten Bogor, Kabupaten Sukabumi, dan Kabupaten Cianjur, sedangkan kegiatan pengolahan dan analisis data dilakukan di Laboratorium Remote Sensing dan GIS, Departemen Manajemen Hutan Fakultas Kehutanan, Institut Pertanian Bogor. 3.2 Alat dan Data 3.2.1 Alat Alat-alat yang digunakan dalam penelitian ini, yaitu: GPS, kompas, kamera digital, dan alat tulis sebagai peralatan di lapangan. Sedangkan software dan hardware yang digunakan dalam penelitian ini, yaitu : komputer pribadi, Erdas Imagine 9.1, Arcview 3.2, Minitab 14, Microsoft Excel 2007, dan Microsoft Word 2007 untuk analisis data. 3.2.2 Data Data utama yang digunakan adalah : a. Citra ALOS PALSAR dengan resolusi spasial 50 m daerah Jawa Barat tahun perekaman 2009 b. Citra LANDSAT TM Path 122 Row 65 Tahun perekaman 2008 c. Peta Rupa Bumi Indonesia Jawa Barat Skala 1 : 25.000 Tahun 2010 3.3 Tahapan Pelaksanaan 3.3.1 Pengumpulan Data Data-data yang dikumpulkan, meliputi : Citra ALOS PALSAR 50 m tahun perekaman 2009, citra LANDSAT TM Path 122 Row 65 tahun perekaman 2008, dan Peta Rupa Bumi Indonesia Daerah Jawa Barat skala 1 : 25.000 Tahun 2010.
16
3.3.2 Pra-Pengolahan Citra 3.3.2.1 Mosaik Citra Mosaik citra merupakan proses menggabungkan beberapa citra secara bersamaan membentuk satu kesatuan (satu lembar) peta atau citra yang kohesif. Tujuan dari kegiatan mosaik adalah menghasilkan citra gabungan yang mempunyai kualitas kekontrasan yang baik, sehingga citra hasil (output) tampak menjadi citra yang kohesif (kontrasnya konsisten, terorganisir, solid, dan koordinatnya ter-interkoneksi) (Jaya 2007). 3.3.2.2 Menambah Band Sintesis pada Citra ALOS PALSAR Resolusi 50 m Data citra satelit ALOS PALSAR resolusi 50 m yang digunakan dalam penelitian ini hanya memiliki polarisasi, yaitu : HH dan HV yang dapat diperlakukan sebagai band. Sehingga perlu ditambahkan band sintesis untuk menambah informasi pada citra. Menurut hasil penelitian Bainnaura (2010) penambahan band sintetis yang memberikan variasi informasi lebih banyak adalah rasio HH-HV-(HH/HV). 3.3.2.3 Penajaman Citra Teknik penajaman citra (image enhancement) adalah teknik yang dipergunakan untuk meningkatkan perbedaan tone dan tekstur citra. Tujuan dari proses ini adalah untuk meningkatkan kekontrasan objek guna mempermudah pendeteksiannya atau meningkatkan variasi spektralnya. Prosesnya
dapat
pendeteksian
mencakup
garis
atau
peningkatan
tepi,
atau
penajaman
perbaikan
gambar,
kontras,
penghalusan,
pengurangan noise dan sebagainya. Penajaman radiometrik merupakan salah satu teknik dari penajaman citra. Teknik ini digunakan untuk meningkatkan kontras dengan hanya melakukan manipulasi pada pikselpiksel yang akan ditajamkan (Pixel Specific Enhancement).
17
3.3.2.4 Koreksi Geometrik Koreksi
geometrik
merupakan
suatu
proses
melakukan
transformasi data dari suatu sistem grid menggunakan suatu transformasi geometrik. Area yang terekam oleh sensor pada satelit maupun pesawat terbang sesungguhnya mengandung kesalahan (distorsi) yang diakibatkan oleh pengaruh kelengkungan bumi dan atau oleh sensor itu sendiri sehingga perlu adanya koreksi geometrik. (Jaya 2007) Citra ALOS PALSAR resolusi 50 m merupakan Ortho Image, di mana gambaran objek pada image itu posisinya benar sesuai dengan proyeksi orthogonal. Oleh karena itu, koreksi geometrik pada citra LANDSAT TM mengacu pada citra ALOS PALSAR resolusi 50 m. 3.3.2.5 Pemilihan Kombinasi RGB Terbaik pada Citra LANDSAT 30 m Menurut Jaya (2007), OIF (Optimum Index Factor) merupakan ukuran banyaknya informasi atau yang dimuat pada suatu citra komposit. Ukuran ini merupakan perbandingan antara total simpanan baku dari ketiga band yang digunakan dengan tiga koefisien korelasi dari masingmasing pasangan band yang digunakan. Secara matematis, OIF diformulasikan dengan rumus, sebagai berikut : OIFijk = Si + Sj + Sk |rij|+|rjk|+|rik| Di mana Si, Sj, Sk adalah simpangan baku (standar deviasi) dari band I, j, dan k. sedangkan rij, rjk, rik menyatakan koefisien korelasi antar bandnya.
=
Komposit yang memiliki informasi lebih baik, memiliki OIF lebih besar dari yang lain. Menurut hasil penelitian Wahyunto, Sri, dan Sofyan (2010) berdasarkan hasil perhitungan nilai OIF citra satelit LANDSAT TM yang dianalisis dan digunakan dalam indentifikasi lahan sawah, nilai OIF tertinggi hasil perhitungan adalah kombinasi band 5,4, dan 3. Komposit band 5-4-3 juga merupakan komposit warna standar yang sering
18
digunakan di bidang kehutanan (Kementerian Kehutanan). Komposit ini dibuat dengan menggunakan panjang gelombang atau spektrum infra merah sedang (λ 1,2~3,2
), infra merah dekat (λ 0,7~0,9
spektrum merah atau hijau (λ 0,6~0,7 atau 0,5~0,6
) dan
) secara berturut-
turut pada bidang warna red, green, blue pada saat men-display citra. Tampilan dari komposit ini mendekati alam, sehingga variasi informasi lebih banyak dibandingkan dengan komposit warna palsu standar. Hal ini disebabkan karena informasi yang disajikan mencakup band infra merah sedang, infra merah dekat, dan sinar tampak. Sinar infra merah sedang merekam variasi kelembaban (water content) dari vegetasi. Infra merah dekat terkait dengan informasi biomas, sedangkan sinar tampak terkait dengan informasi kehijauan daun (chlorophyll). Pada komposit ini vegetasi dan kerapatan vegetasi relatif lebih mudah dibedakan (dideliniasi) dibandingkan dengan warna komposit warna palsu standar. 3.3.2.6 Orthorektifikasi Citra LANDSAT Resolusi 30 m Orthorektifikasi adalah proses memposisikan kembali citra sesuai lokasi sebenarnya, dikarenakan pada saat pengambilan data terjadi pergeseran (displacement) yang diakibatkan adanya variasi topografi. Pada prinsipnya, orthorektifikasi sama dengan rektifikasi. Hanya saja metode ini digunakan untuk daerah yang mempunyai kontur bervariatif, dan dalam pemprosesannya dibutuhkan data DEM (Digital Elevation Model) yang mempunyai interval gridspacing yang makin kecil dan ketelitian vertikal yang makin besar (Leksono dan Susilowati 2008). Proses perekaman citra satelit dilakukan di antariksa berjarak ratusan kilometer dari Bumi sehingga memiliki distorsi geometrik absolut berkisar 10 hingga ratusan meter. Hal ini terjadi karena proses perekamannya dilakukan di antariksa berjarak ratusan kilometer dari bumi, pada wahana satelit yang bergerak dengan posisi yang tidak selalu tegak lurus terhadap permukaan bumi. Di samping itu kesalahan geometrik juga terjadi dari efek topografi muka bumi. Kualitas geometrik suatu citra merupakan hal yang sangat penting dalam proses pembuatan peta.
19
Geometrik citra yang tidak presisi akan berdampak pada kesalahan dalam pengukuran parameter jarak, luas, atau sudut pada peta yang dihasilkan. Selain itu koreksi geometrik lebih tepat dilakukan pada citra satelit dan bukan pada peta vektor karena proses koreksi akan jauh lebih efisien.
Citra Alos Palsar (Orthorektifikasi)
Citra LANDSAT non orthorektifikasi
Dem (Digital Elevation Model)
Citra LANDSAT Orthorektifikasi
Citra LANDSAT TM (5-4-3)
Gambar 3 Proses Orthorektifikasi LANDSAT
Dari hasil orthorektifikasi citra LANDSAT resolusi 30 m di atas, terlihat perbedaan antara citra LANDSAT non-orthorektifikasi dengan citra LANDSAT orthorektifikasi setelah di-overlay-kan dengan hasil deliniasi citra ALOS PALSAR resolusi 50 m yang telah di-ortho. 3.3.2.7 Identifikasi Awal Tutupan Lahan Citra ALOS PALSAR Resolusi 50 m dan Citra LANDSAT Resolusi 30 m Identifikasi
awal
ini
dimaksudkan
untuk
memudahkan
pengelompokan tutupan lahan dengan menggunakan elemen interpretasi. Elemen interpretasi yang paling mudah dilihat secara visual adalah rona (warna/tone) yang merupakan tingkat kegelapan atau kecerahan obyek pada citra yang tergantung pada intensitas tenaga gelombang mikro yang dipantulkan oleh objek dan langsung diterima oleh sensor. Intensitas tersebut dipengaruhi oleh karakteristik objek, antara lain : kekasaran
20
permukaan,
complex dielectric constant, kelerengan dan arah objek.
Selain itu, untuk citra radar dipengaruhi juga oleh sistem sensor radar yang digunakan. Identifikasi berikutnya adalah bentuk. Bentuk ialah konfigurasi atau kerangka suatu objek. Bentuk merupakan atribut yang jelas, sehingga banyak yang dapat dikenali berdasarkan bentuknya. Ketiga adalah ukuran, ukuran adalah atribut objek yang merupakan fungsi dari skala. Oleh sebab itu dalam interpretasi citra harus selalu memperhatikan skala yang digunakan. Keempat adalah tekstur, tekstur adalah frekuensi perubahan rona pada citra. Tekstur merupakan hasil gabungan dari unsur bentuk, ukuran, pola, dan rona objek. Tekstur sering dinyatakan dengan kasar, sedang, dan halus. Kelima ialah pola, pola adalah hubungan susunan spasial objek. Pengulangan bentuk umum tertentu merupakan karakteristik dari banyak objek alamiah atau bangunan dan akan memberikan suatu pola yang membantu penafsiran untuk mengenali objek yang bersangkutan. Keenam ialah lokasi yang merupakan letak obyek dalam hubungannya dengan obyek yang lain. Lokasi sangat berguna untuk membantu pengenalan suatu obyek. Dan yang terakhir ialah asosiasi, asosiasi dapat diartikan sebagai keterkaitan antara obyek yang satu dengan obyek yang lainnya. Karena keterkaitan inilah maka terlihatnya suatu obyek pada citra sering merupakan petunjuk bagi adanya obyek lain. Ketujuh elemen tersebut merupakan urutan elemen-elemen citra dalam mengidentifikasi lahan berdasarkan tingkat kemudahan dengan visual.
3.3.3 Pengamatan Lapangan Pengamatan lapangan dilakukan dengan cara pengambilan titik pada obyek-obyek yang telah ditentukan dalam identifikasi awal citra ALOS PALSAR resolusi 50 m. Tujuannya adalah untuk mencocokkan tutupan lahan yang telah diidentifikasi pada citra ALOS PALSAR 50 m dan citra LANDSAT resolusi 30 m dengan keadaan sesungguhnya di lapangan.
21
3.3.4 Analisis Hasil Pengamatan Lapangan Analisis hasil pengamatan lapangan dilakukan dengan 5 metode, yaitu : metode pertama ialah identifikasi obyek di lapangan yang membahas secara umum obyek-obyek yang ditemui di lapangan. Kedua ialah analisis diskriminan yang berguna ketika ingin membentuk sebuah model prediktif dari beberapa kelompok (group). Analisis diskriminan dilakukan dengan mengelompokkan obyek-obyek tutupan lahan yang memiliki persamaan karakteristik ciri fisik di lapangan. Pada citra ALOS PALSAR resolusi 50 m, analisis diskriminan ini dilakukan dengan menggunakan nilai digital dari HH dan HV. Sedangkan pada citra LANDSAT resolusi 30 m, analisis diskriminan dilakukan menggunakan bantuan nilai digital pada band-band yang dapat menampilkan tampilan visual terbaik yaitu band 3, band 4, dan band 5. Proses analisis diskriminan dilakukan hingga objek-objek yang ada tidak bisa dikelompokkan kembali. Ketiga ialah analisis perbandingan perbandingan visual antara citra ALOS PALSAR resolusi 50 m dengan citra LANDSAT resolusi 30 m, yang dilakukan berdasarkan penampakan citra dilihat dari elemen-elemen interpretasi yaitu warna, tekstur, bentuk, pola, site, dan asosiasi. Analisis perbandingan penafsiran visual ini merupakan hasil perbaikan dari hasil identifikasi awal tutupan lahan pada citra ALOS PALSAR resolusi 50 m dan citra LANDSAT resolusi 30 m. Metode yang keempat ialah analisis separabilitas yang dilakukan pada kedua citra, yaitu : citra ALOS PALSAR resolusi 50 m dan citra LANDSAT resolusi 30 m dengan mengambil sampling area pada masing-masing tutupan lahan. Analisis separabilitas digunakan untuk menujukkan keterpisahan secara statistik antar kelas berdasarkan rata-rata nilai digital tiap kelas tutupan dan penggunaan lahan dengan indikasi kemungkinan kemiripan warna/rona. Analisis ini menggunakan metode klasifikasi terbimbing (Supervised Classification). Metode terakhir ialah analisis akurasi hasil klasifikasi pada kedua citra untuk mengetahui tingkat ketepatan klasifikasi terhadap kondisi yang sebenarnya di lapangan. Keakuratan tersebut, meliputi : jumlah piksel area contoh yang diklasifikasikan dengan benar atau salah,
22
pemberian, nama secara benar, dan persentase banyaknya piksel dalam masing-masing kelas serta persentase kesalahan total. Untuk menghitung besarnya akurasi hasil klasifikasi dapat diuji dengan menggunakan matrik kesalahan (confusion matrix). Rumus Kappa accuracy yang digunakan sebagai berikut :
dimana:
N
= Nilai diagonal dari matrik kontingensi baris ke-i dan kolom ke-i = Jumlah piksel dalam kolom ke-i = Jumlah piksel dalam baris ke-i = Banyaknya piksel dalam contoh
23
Bagan Alir Pengolahan Data dan Analisis Data
Citra ALOS PALSAR (Ortho) 50 m dengan polarisasi HH dan HV
Citra LANDSAT 30 m dengan resolusi spectral 7 Band
Mosaik citra
Menambah Band Sintetis yaitu HH/HV (Rasio)
Orthorektifikasi citra
Koreksi Citra
Memilih kombinasi band terbaik
Identifikasi awal tutupan lahan
Peta Rupa Bumi Indonesia (Jawa Barat) Skala 1 : 25.000
Pengamatan lapangan
Analisis hasil pengamatan lapangan : Identifikasi objek di lapangan Analisis diskriminan Analisis perbandingan visual Analisis separabilitas Akurasi hasil klasifikasi citra
Gambar 4 Bagan pengolahan data dan analisis data.
