BAB V ANALISIS
5.1 Analisis Pra-Pengolahan Citra Radarsat
1. Citra Radarsat yang digunakan merupakan data mentah (Raw data) dan tersimpan dalam format biner. Agar Citra tersebut lebih mudah diolah maka format penyimpanan citra diubah menjadi geotiff, namun kemungkinan akan terjadi loss data pada saat penyimpanan sehingga munculnya null value pada beberapa pixel. 2. Root Mean Square Error (RMSE) GCP pada koreksi geometrik diusahakan kurang dari satu karena citra referensi yang digunakan adalah citra Landsat dimana RMSE bernilai satu pada Landsat berarti kesalahan posisi sebesar 30 meter. Dari nilai RMSE pada koreksi geometrik, diketahui adanya kesalahan posisi rata-rata sebesar 10 meter. 3. Pemilihan metoda Lee filtering dalam reduksi speckle dilakukan karena menurut beberapa referensi Lee filtering memberikan hasil yang baik dalam mereduksi speckle noise, hal ini dibuktikan dengan membandingkan apabila menggunakan Gamma filtering.
5.2 Analisis Nilai Koefisien Radar Backscattering Padi
Rentang nilai koefisien backscattering yang didapat pada penelitian ini tidak mengikutkan beberapa parameter yang ada karena kurangnya data pendukung yang digunakan. Nilai digital number (DN) yang digunakan bisa saja bertampalan dengan nilai digital number objek lainnya. Nilai koefisien radar backscattering pada tiap daerah tutupan padi di Kabupaten dan Kota Bogor berbeda-beda namun masih berada dalam rentang nilai yang didapat. Hal ini bisa dikarenakan pola dan waktu tanam yang berbeda pada tiap daerah tersebut.
26
5.3 Analisis Peta Klasifikasi Padi
1. Klasifikasi menggunakan metode Maximum Likelihood dilakukan karena histogram yang didapat dari masing-masing training sites menunjukkan lebih banyak
data
yang
terdistribusi
normal.
Klasifikasi
dilakukan
tanpa
membandingkan dengan metode lainnya, karena ketika akan membandingkan dengan salah satu metode klasifikasi yang lain komputer menunjukkan gejala running low memory (komputer yang digunakan tidak sanggup menjalankan proses) dan proses klasifikasi tidak dapat dilanjutkan. 2. Hasil klasifikasi cukup memuaskan karena dalam pemilihan training site dilakukan dengan membandingkan tampilan citra Radarsat dan citra Landsat, serta dengan melihat peta tutupan lahan yang ada. 3. Luas lahan padi berdasarkan koefisien radar backscattering yang sesuai dengan peta tutupan lahan Kabupaten & Kota Bogor adalah 106.007,96 Ha. Peta tutupan lahan hasil validasi menunjukkan tingkat kesesuaian 70% hal ini membuktikan jika perhitungan koefisien backscattering melibatkan parameter-parameter lainnya tingkat kesesuaian dari tutupan lahan yang dihasilkan bisa mencapai 90% bahkan lebih. 4. Vektorisasi yang dilakukan hanya berdasarkan kelas yang dibuat pada peta density slicing, terdapat kesulitan membuat peta vector ini karena yang diinginkan sebetulnya hanya vektorisasi untuk rentang nilai koefisien radar backscattering namun sewaktu membuat peta berdasarkan nilai rentang koefisien radar backscattering padi memakan waktu yang lama tetapi proses gagal setelah 20 jam proses vektorisasi berlangsung menggunakan perangkat lunak envi 4.2. 5. Nilai koefisien radar backscattering padi yang terdapat pada peta validasi tutupan padi disajikan pada profile melintang pada tiga area tutupan padi (Gambar 5.1, Gambar 5.2, Gambar 5.3, Gambar 5.4). Panjang penampang A-B adalah 218 meter, penampang C-D adalah 117 meter dan penampang E-F adalah 118 meter.
27
Gambar 5.1 Lintasan penampang A-B, C-D, E-F
Koefisien radar backscattering(dB)
panjang lintasanA‐B 0 670350 670400 670450 670500 670550 670600 ‐10 ‐20 ‐30 panjang lintasanA‐B
‐40 ‐50 ‐60 ‐70
Koordinat
Gambar 5.2 penampang melintang koefisien radar backscattering padi pada daerah A-B
28
Penampang C‐D Koefisien radar backscattering(dB)
‐50 685500 ‐52
685520
685540
685560
685580
‐54 Penampang C‐D
‐56 ‐58 ‐60
Koordinat
Gambar 5.3 penampang melintang koefisien radar backscattering pada daerah C-D
Koefisien radar backscattering (dB)
Penampang E‐F 0 731620 731640 731660 731680 731700 731720 731740 ‐10 ‐20 ‐30 scatter3
‐40 ‐50 ‐60 ‐70
Koordinat (m)
Gambar 5.4 Penampang melintang koefisien radar backscattering pada daerah E-F
Pada Gambar 5.2, gambar 5.3 dan Gambar 5.4 terlihat ada nilai koefisien radar backscattering yang berada diluar rentang nilai koefisien radar backscattering padi, karena adanya kemungkinan objek lain selain padi pada lintasan tersebut. Rentang koefisien radar backscattering padi pada profil tersebut adalah -55.5 hingga -52.3. Untuk memastikan banyaknya tanaman padi pada lintasan yang sama dapat kita lihat dari nilai NDVInya yang disajikan pada Gambar 5.5, Gambar 5.6, dan Gambar 5.7
29
NDVI
NDVI penampang A‐B 0.18 0.16 0.14 0.12 0.1 0.08 0.06 0.04 0.02 0 670350
NDVI penampang A‐B
670450
670550
Koordinat
Gambar 5.5 NDVI penampang A-B
Berdasarkan nilai NDVI pada penampang A-B kerapatan tanaman padi cukup tinggi pada awal dan akhir lintasan.
NDVI penampang C‐D 0.25
NDVI
0.2 0.15 0.1 NDVI penampang C‐D
0.05 0 685500 685520 685540 685560 685580 Koordinat
Gambar 5.6 NDVI panampang C-D
Pada penampang C-D densitas padi cukup kosntan, semua lahan tertutup tanaman padi. Sedang pada penampang E-F tutupan padi terlihat tinggi pada pertengahan lintasan.
30
NDVI penampang E‐F 0.35 0.3 0.25 0.2 0.15
NDVI penampang E‐F
0.1 0.05 0 731600
731650
731700
731750
Gambar 5.7 NDVI penampang E-F
Ketiga histogram nilai koefisien radar backscattering dan nilai NDVI dibuat histogram baru agar terlihat hubungan yang terkandung pada keduanya (Gambar 5.8, Gambar 5.9, Gambar 5.10) :
koefisien radar backscattering(dB)
penampang A‐B 0 ‐10
0
0.1
0.2
0.3
‐20 ‐30 penampang A‐B
‐40 ‐50 ‐60 ‐70
NDVI
Gambar 5.8 NDVI- Koefisien radar backscattering penampang A-B
31
Koefisien radar backscattering(dB)
NDVI‐Scattering C‐D ‐50 ‐51 0 ‐52 ‐53 ‐54 ‐55 ‐56 ‐57 ‐58 ‐59 ‐60
0.1
0.2
0.3
NDVI‐Scattering C‐D
NDVI
Gambar 5.9 NDVI- Koefisien radar backscattering penampang C-D
Koefisien radar backscatterign (dB)
penampang E‐F ‐48 ‐50
0
0.1
0.2
0.3
0.4
‐52 ‐54 penampang E‐F
‐56 ‐58 ‐60 ‐62
NDVI
Gambar 5.10 NDVI- Koefisien radar backscattering penampang E-F
Waktu pengambilan antara koefisien radar backscattering dan NDVI landsat sangat jauh yaitu terpaut 6 tahun oleh karena itu sangat sulit mendapatkan hubungan yang signifikan antara keduanya. Namun dari pemakaian kedua metode tersebut kita dapat menarik sebuah pendapat bahwa struktur dari tanaman dan area sangat mempengaruhi koefisien radar backscattering yang diperoleh, dan dengan nilai NDVI kita dapat mengetahui tingkat kerapatan tanaman padi pada tiap area tersebut.
32