BAB III PELAKSANAAN PENELITIAN
Pada bab ini akan dijelaskan mengenai alat dan bahan yang digunakan dalam penelitian ini serta tahapan-tahapan yang dilakukan dalam mengklasifikasi tata guna lahan dari hasil ekstraksi informasi spektral, tekstur, dan kombinasi dari keduanya dari citra SPOT 4 DAN IKONOS.
3.1 Alat dan Bahan Perangkat lunak yang digunakan dalam penelitian ini adalah adalah sebagai berikut : •
Autodesk
•
ERDAS IMAGINE 9.1
•
ENVI 4.2
•
Arc View 3.3
Bahan-bahan yang digunakan dalam penelitian ini adalah sebagai berikut : Tabel 3.1 Bahan-bahan yang digunakan No. 1
Data Peta
Rupabumi
Indonesia
Asal Data skala Bakosurtanal
1:25.000 2
Citra SPOT 4
Lembaga
Penerbangan
dan
Antariksa Nasional (LAPAN) 3
Citra IKONOS
Lembaga
Penerbangan
dan
Antariksa Nasional (LAPAN) 4
Koordinat GPS dari foto-foto lokasi Center for Environmental Remote bangunan yang rusak akibat gempa.
Sensing (CEReS), Chiba University, Japan.
Peta rupabumi dijital skala 1 : 25.000 yang digunakan dalam penelitian ini diterbitkan oleh Badan Koordinasi Survei dan Pemetaan Nasional (Bakosurtanal).
12
Peta ini mengacu pada datum geodetik WGS 1984 dengan sistem proyeksi UTM zone 49 bagian selatan. Peta ini akan digunakan sebagai referensi dalam melakukan koreksi geometrik untuk kedua citra satelit yang digunakan.
3.2 Koreksi Geometrik Koreksi geometrik dilakukan untuk membetulkan/menyesuaikan efek rotasi bumi pada sumbunya selama pengambilan citra dan untuk meregistrasi citra pada sistem koordinat yang sudah diketahui seperti UTM.
Dalam penelitian ini, digunakan metode transformasi polinomial orde satu dan metode interpolasi nearest neighbour. Koordinat UTM diperoleh dari peta topografi dalam format digital yaitu peta Rupa Bumi Indonesia (RBI) skala 1 : 25.000. Datum yang digunakan adalah World Geodetic System 1984 (WGS 84), dengan sistem proyeksi Universal Transverse Mercator (UTM) bagian selatan zone 49.
Citra yang tersedia untuk penelitian ini adalh citra SPOT 4 pra gempa dan citra IKONOS pasca gempa. GCP ditempatkan pada kedua citra tersebut secara menyebar dan merata agar citra yang diperoleh memiliki kekuatan geometrik yang sama di setiap area pada citra. Jumlah GCP untuk masing-masing citra dalam penelitian ini adalah 10 buah.
Untuk menentukan tingkat ketelitian hasil koreksi geometrik, dihitung nilai kesalahan akar kuadrat rata-rata (RMSE) yang bergantung pada pemilihan, jumlah, dan distribusi titik-titik kontrol tanah (GCP).
3.3 Cek ketelitian koreksi geometrik Ketelitian koordinat citra yang telah dikoreksi secara geometrik dapat diperiksa dengan membandingkannya dengan koordinat dari peta referensi yang dipakai yaitu peta Rupa Bumi Indonesia (RBI). Untuk itu digunakan Independent Check Point (ICP) yang penempatannya diusahakan tidak keluar dari cakupan GCP.
13
Seperti halnya GCP, penyebaran posisi ICP sebaiknya terdistribusi merata pada area yang tercakup dalam masing-masing scene. Dalam penelitian ini, digunakan 10 buah ICP untuk masing-masing scene yang ditempatkan menyebar secara merata dalam cakupan GCP.
3.4 Pemotongan Citra berdasarkan Wilayah Studi Pemotongan citra yang dilakukan pada pelaksanaan penelitian ini yaitu pemotongan citra SPOT 4 yang memiliki daerah cakupan sebagian Kabupaten Bantul agar daerah cakupannya sama dengan citra IKONOS yaitu daerah sebagian besar kecamatan-kecamatan yang berada di Kabupaten Bantul. Secara teknis, pemotongan citra ini dilakukan dengan mengacu pada batas kiri atas, kiri bawah, kanan atas, dan kanan bawah dari citra IKONOS sebagai batas area pemotongan, baru setelah itu dipotong berdasarkan batas administrasi Kabupaten Bantul.
3.5 Ekstraksi Informasi Tekstur dengan Metode Entropy Secara umum, tahap pembentukan matriks kebergantungan derajat keabuan tersebut dapat dijelaskan dengan algoritma sebagai berikut : •
Input citra IKONOS dan SPOT 4 dan membaca nilai kecerahan dari setiap pikselnya.
•
Membaca ukuran citra (baris dan kolom).
•
Inisialisasi setiap piksel acuan beserta piksel-piksel tetangganya yang kemudian dipisahkan dalam sebuah windows / blok baru dengan ukuran maksimum 9 x 9.
•
Membaca nilai kecerahan dari masing-masing piksel pada satu windows yang terbentuk.
•
Mendefinisikan ukuran matriks kebergantungan derajat keabuan yang akan dibentuk dari nilai-nilai kecerahan pada windows tersebut.
•
Mendefinisikan hubungan sudut dan jarak dari setiap pasangan piksel yang berdekatan dalam satu windows tertentu.
•
Menentukan elemen-elemen matriks kebergantungan derajat keabuan dari windows yang diamati, yang direpresentasikan oleh suatu nilai
14
yang menyatakan hubungan spasial antara setiap pasangan piksel pada windows tersebut sebagai fungsi sudut dan jarak. Dalam hal ini, untuk setiap windows akan terbentuk empat matriks kebergantungan derajat keabuan yaitu masing-masing untuk hubungan spasial antara pasangan piksel pada arah horisontal (0°), diagonal ke kanan (45°), vertikal (90°) dan diagonal ke kiri (135°).
Selanjutnya, nilai entropy untuk setiap piksel pada citra dihitung dengan menggunakan formula sebagai berikut : I
J
i
j
Ent = −∑∑ P (i, j ).Log (P(i, j ))
dimana : P(i,j)
: Matriks kebergantungan derajat keabuan dari setiap piksel
I, J
: Jumlah baris dan jumlah kolom
Dari empat matriks kebergantungan derajat keabuan dapat dibentuk empat nilai entropy, masing-masing entropy untuk arah horisontal (0°), diagonal ke kanan (45°), vertikal (90°) dan diagonal ke kiri (135°). Namun, nilai entropy yang digunakan pada penelitian ini hanyalah nilai rata-rata dari keempat nilai tersebut. Jadi untuk proses selanjutnya, yaitu proses klasifikasi obyek pada citra, nilai yang diolah adalah nilai rata-rata entropy.
3.6 Klasifikasi Tujuan utama dari proses klasifikasi dalam penelitian ini adalah untuk mengetahui sampai sejauh mana nilai entropy hasil ekstraksi ciri tekstur tersebut dapat berperan dalam pemisahan dan klasifikasi obyek pada citra. Untuk itu, proses klasifikasi ini tidak hanya dilakukan dengan menggunakan data hasil entropy, tetapi juga dilakukan dengan menggunakan data nilai spektral asli dari citra IKONOS dan SPOT 4. Selain itu juga dilakukan kombinasi atau penggabungan data citra hasil entropy dengan data sebelum dilakukan ekstraksi ciri tekstur untuk proses klasifikasi citra. Dari ketiga jenis data yang diinput untuk proses klasifikasi ini akan dilakukan perbandingan data mana yang menghasilkan klasifikasi yang
15
terbaik. Sebagai studi kasus dalam penelitian ini,
klasifikasi yang dilakukan
adalah klasifikasi bangunan rusak dan tidak rusak serta non bangunan di wilayah kabupaten Bantul.. Sedangkan metode klasifikasi yang digunakan yaitu metode klasifikasi terawasi (dengan metode maximum likelihood).
Sebaran area sampel dalam penentuan lokasi training site ini dilakukan secara acak dan berdasarkan interpretasi visual saja. Dari proses ini, dihasilkan kelaskelas yang berbeda antara kelas dari klasifikasi cita SPOT 4 pra gempa dan kelas dari klasifikasi citra IKONOS 2 pasca gempa, dikarenakan pada citra IKONOS ditemukan adanya awan beserta bayangannya sehingga dibutuhkan adanya kelas awan dan bayangan awan serta adanya bangunan rusak dan lahan terbuka. Adapun kelas dari masing-masing klasifikasi dari kedua citra ini antara lain : Tabel 3.2 Kelas Klasifikasi Citra Citra Klasifikasi SPOT 4
Kelas 1. Bangunan 2. Hutan 3. Pertanian & Perkebunan 4. Sungai
IKONOS
1. Bangunan Rusak 2. Bangunan Tidak Rusak 3. Pertanian & Perkebunan 4. Sungai 5. Lahan Terbuka 6. Awan 7. Bayangan Awan 8. Hutan
16
3.7 Validasi Data referensi yang digunakan untuk validasi ini adalah koordinat-koordinat GPS dari titik-titik lokasi bangunan yang rusak dan tidak rusak di sebagian besar wilayah Kabupaten Bantul. Sejumlah koordinat ini dicocokkan dengan citra hasil klasifikasi yang menggunakan kombinasi antara ciri spektral dan ciri tekstur dari citra IKONOS dan SPOT 4. Namun, dikarenakan koordinat GPS yang digunakan merupakan koordinat GPS dari GPS hand-held yang terintegrasi dengan Camera Digital dengan ketelitian 10 m, maka akan menghasilkan tidak sesuainya posisi titik koordinat GPS dengan piksel hasil klasifikasi.
Tabel 3.3 Pergeseran antara piksel hasil klasifikasi dengan koordinat GPS.
Pergeseran N
Ukuran
o.
Window
SPOT 4
IKONOS
Informasi
spektral
tekstur
kombinasi
spektral
tekstur
kombinasi
1
3x3
3-60
0-23
0-15
2-238
0-113
2-206
2
5x5
3-60
0-31
1-15
2-238
0-120
1-204
3
7x7
3-60
0-47
0-11
2-238
0-210
1-200
4
9x9
3-60
0-68
0-18
2-238
3-254
0-210
17
3.7.1 Uji Akurasi Adapun uji akurasi dari citra IKONOS hasil klasifikasi dari kombinasi spektral dan tekstur, berdasarkan data pergeseran antara piksel citra hasil klasifikasi dengan koordinat GPS antara lain :
Tabel 3.4 Pergeseran antara piksel citra IKONOS hasil klasifikasi dari kombinasi spektral dan tekstur dengan koordinat GPS.
No.
Y (m)
X (m)
KETERANGAN
PERGESERAN (m)
1
9133448.40 430282.81
rusak
1
2
9133353.18 430261.56
tidak rusak
5
3
9133350.10 430270.72
rusak
12
4
9133374.65 430273.77
tidak rusak
11
5
9133393.11 430270.65
rusak
6
6
9133408.50 430289.04
tidak rusak
28
7
9133423.88 430295.08
tidak rusak
40
8
9133423.88 430295.08
tidak rusak
40
9
9131989.90 430413.66
tidak rusak
29
10
9131959.17 430416.79
rusak
21
11
9131940.73 430432.04
rusak
16
12
9131940.73 430432.04
rusak
16
13
9125160.39 428736.81
rusak
44
14
9125160.39 428736.81
rusak
44
15
9123320.82 428739.68
rusak
1
16
9123339.17 428739.65
rusak
1
17
9123339.17 428739.65
rusak
1
18
9123136.11 428479.72
tidak rusak
20
19
9123136.11 428433.76
rusak
62
20
9123219.03 428476.51
rusak
113
21
9123206.74 428470.46
rusak
101
18
22
9123206.74 428470.46
rusak
101
23
9123172.89 428458.28
rusak
81
24
9123123.83 428470.59
rusak
88
25
9123117.64 428473.69
rusak
89
26
9119374.31 424808.71
rusak
12
27
9119352.74 424799.60
rusak
4
28
9119352.74 424802.57
rusak
5
29
9120522.47 426438.71
tidak rusak
23
30
9120525.56 426435.62
tidak rusak
20
31
9119916.93 426090.63
rusak
25
32
9119944.31 424115.82
rusak
77
33
9119941.35 424131.15
rusak
79
34
9133053.37 429037.05
rusak
2
35
9133053.32 429009.49
tidak rusak
2
36
9133053.33 429012.46
rusak
3
37
9127291.20 426501.26
rusak
23
38
9127340.37 426482.88
rusak
16
39
9127334.19 426492.04
rusak
19
40
9132979.67 428997.25
rusak
2
41
9120135.55 422780.65
tidak rusak
67
42
9120160.10 422716.35
tidak rusak
142
43
9120936.01 423902.99
rusak
200
44
9120942.09 423905.96
rusak
198
45
9127303.48 426507.41
rusak
25
46
9127309.67 426504.31
rusak
19
47
9119956.53 424014.84
rusak
5
48
9119953.50 424054.64
rusak
17
49
9119956.62 424069.95
rusak
33
50
9119978.07 424069.92
rusak
39
51
9120120.40 422844.93
tidak rusak
18
19
52
9119932.14 424174.04
rusak
60
53
9119965.65 423981.10
rusak
5
Jumlah koordinat GPS dan piksel citra hasil klasifikasi yang mengalami pergeseran kurang dari 40 m (asumsi toleransi pergeseran) = 37 buah.
Jumlah koordinat GPS dan piksel citra hasil klasifikasi yang mengalami pergeseran lebih dari 40 m (asumsi toleransi pergeseran) = 16 buah.
Jadi, nilai uji overall accuracy yang didapatkan = 37/53 x 100% = 70 %
Gambar 3.1 Contoh Pergeseran antara Koordinat GPS dengan Hasil Klasifikasi.
20
