ESTIMASI KONSENTRASI KLOROFIL-A MENGGUNAKAN CITRA SATELIT VIIRS SUOMI-NPP DI PERAIRAN PULAU PARI, KEPULAUAN SERIBU, DKI JAKARTA
GHULAMPITT FAHANE
DEPARTEMEN ILMU DAN TEKNOLOGI KELAUTAN FAKULTAS PERIKANAN DAN ILMU KELAUTAN INSTITUT PERTANIAN BOGOR BOGOR 2015
PERNYATAAN MENGENAI SKRIPSI DAN SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA*1 Dengan ini saya menyatakan bahwa skripsi berjudul Estimasi Konsentrasi Klorofil-a Menggunakan Citra Satelit VIIRS Suomi-NPP di Perairan Pulau Pari, Kepulauan Seribu, DKI Jakarta adalah benar karya saya sendiri dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apapun kepada perguruan tinggi mana pun. Semua sumber data dan informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir skripsi ini. Bogor, April 2015
Ghulampitt Fahane NIM C54100068
*
Pelimpahan hak cipta atas karya tulis dari penelitian kerja sama dengan pihak luar IPB harus didasarkan pada kerja sama yang terkait
ABSTRAK GHULAMPITT FAHANE. Estimasi Konsentrasi Klorofil-a Menggunakan Citra Satelit VIIRS Suomi-NPP di Perairan Pulau Pari, Kepulauan Seribu, DKI Jakarta. Dibimbing oleh Dr. Ir. Jonson L. Gaol, M.Si dan Risti Endriani Arhatin, S.Pi, M.Si. Satelit Suomi-NPP (S-NPP) merupakan satelit baru yang dilengkapi dengan sensor VIIRS untuk mengukur warna perairan. Algoritma OC3V merupakan algoritma standar yang digunakan untuk mengukur konsentrasi klorofil-a pada data citra satelit VIIRS S-NPP level 2. Data yang digunakan dalam penelitian ini adalah citra satelit VIIRS S-NPP level 2, sehingga konsentrasi klorofil-a yang diekstrak dari citra satelit merupakan hasil perhitungan dari algoritma OC3V. Pengolahan data menggunakan program SeaDAS 7.02 untuk windows sehingga pengolahan data citra satelit VIIRS S-NPP level 1 tidak dapat dilakukan dan algoritma yang dipakai tidak dapat dirubah selain OC3V. Tujuan penelitian ini adalah menduga kandungan klorofil-a di perairan Pulau Pari dengan citra satelit VIIRS S-NPP, menguji keakuratan citra satelit S-NPP dalam mengestimasi kandungan klorofil-a, serta menentukan algoritma yang sesuai untuk perairan Pulau Pari. Validasi data dilakukan dengan mengambil data klorofil-a dan TSS secara in-situ. Pulau Pari tergolong perairan kasus 2 dengan kandungan padatan tersuspensi (TSS) yang tinggi. Pengukuran konsentrasi klorofil-a menggunakan algoritma OC3V di perairan Pulau Pari menunjukkan nilai yang lebih tinggi dibandingkan nilai in-situ. Pembuatan rasio band dilakukan untuk meminimalisir pengaruh TSS dalam estimasi konsentrasi klorofil-a. Rasio band yang digunakan adalah rasio band 2/4 (445 nm / 555 nm) serta rasio band 3/4 (488 nm / 555 nm). Hasil pengukuran konsentrasi klorofil-a dengan rasio band memberikan hasil yang lebih baik dibandingkan OC3V. Akurasi dari pengukuran konsentrasi klorofil-a menggunakan sensor satelit dihitung dengan root mean square error (RMSE). OC3V memiliki nilai RMSE terbesar yakni 0.1277, rasio band 3/4 memiliki nilai RMSE 0.0177, dan rasio band 2/4 dengan RMSE 0.1171. Algoritma rasio band 2/4 memiliki akurasi yang lebih baik dibandingkan algoritma OC3V dalam mengestimasi konsentrasi klorofil-a di perairan Pulau Pari. Kata Kunci: Algoritma OC3V, Klorofil-a, Pulau Pari, Satelit S-NPP, TSS, VIIRS.
ABSTRACT GHULAMPITT FAHANE. Chlorophyll-a estimation using VIIRS Suomi-NPP Satelite Image in Pari Island, Seribu Islands, DKI Jakarta. Supervised by Dr. Ir. Jonson L. Gaol, M.Si and Risti Endriani Arhatin, S.Pi, M.Si. Suomi-NPP (S-NPP) satellite is a new satellite that equipped with VIIRS sensors which able to measure the ocean color. OC3V algorithm is a standard algorithm that is used to measure the concentration of chlorophyll-a in level 2 satellite image of the S-NPP. This study is using level 2 VIIRS S-NPP satellite image, so the chlorophyll-a concentration that extracted from the satellite images is calculated by OC3V algorithm. SeaDAS 7.02 for windows is used for satellite
image data processing. This program can not process level 1 VIIRS S-NPP satellite image and also can not change the algorithm for chlorophyll-a estimation other than OC3V. The aim of this research is to estimate the chlorophyll-a consentration using VIIRS S-NPP satelit image, to test the accuration of VIIRS S-NPP chlorophyll-a concentration estimation, and and also to determine a better algoritma for estimating chlorophyll-a concentration on Pari Island. Data validation is done by taking chlorophyll-a and TSS in-situ concentration. Pari Island is classified case 2 waters, because it have a lot of suspended particulate on the waters. The measurement of chlorophyll-a concentration using OC3V algoritma show a higher value than in-situ concentration. The band ratio algorithm is used to minimize the effect of TSS in chlorophyll-a estimation. The band ratio that used is 2/4 band ratio (445 nm / 555 nm) and 3/4 band ratio (488 nm / 555 nm). The estimation chlorophyll-a using band ratio gives better results than OC3V. The accuracy of chlorophyll-a concentration measurement with remote sensing is calculated by root mean square error (RMSE). OC3V has the largest RMSE value there is 0.1277, 3/4 band ratio has RMSE value about 0.0177, and 2/4 band ratio has the smallest RMSE there is 0.0171. 2/4 band ratio algorithm has better accuracy than OC3V algorithm to estimate the concentration of chlorophyll-a in Pari Island waters. Keywords: Chlorophyll-a, OC3V Algorithm, Pari Island, S-NPP satelite, TSS, VIIRS.
ESTIMASI KONSENTRASI KLOROFIL-A MENGGUNAKAN CITRA SATELIT VIIRS SUOMI-NPP DI PERAIRAN PULAU PARI, KEPULAUAN SERIBU, DKI JAKARTA
Ghulampitt Fahane
Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Ilmu Kelautan pada Departemen Ilmu dan Teknologi Kelautan
DEPARTEMEN ILMU DAN TEKNOLOGI KELAUTAN FAKULTAS PERIKANAN DAN ILMU KELAUTAN INSTITUT PERTANIAN BOGOR BOGOR 2015
Judul Skripsi: Estimasi konsentrasi Klorofil-a menggunakan Citra Satelit VIIRS Suomi-NPP di Perairan Pulau Pari, Kepulauan Seribu, DKI Jakarta Nama : Ghulampitt Fahane NIM : C54100068
Disetujui oleh
Risti Endriani Arhatin, S.Pi, M.Si Pembimbing II
Dr. Ir. Jonson L. Gaol, M.Si Pembimbing I
Diketahui oleh
Dr Ir I Wayan Nurjaya, MSc Ketua Departemen
Tanggal Lulus:
PRAKATA Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas segala karunia-Nya sehingga skripsi ini berhasil diselesaikan. Tema yang dipilih dalam penelitian yang dilaksanakan pada bulan September 2013 hingga bulan Maret 2014 ini berjudul Estimasi Konstrasi Klorofil-a Menggunakan Citra Satelit VIIRS Suomi-NPP di Perairan Pulau Pari, Kepulauan Seribu, DKI Jakarta. Terima kasih penulis ucapkan kepada Bapak Dr. Ir. Jonson L. Gaol, M.Si selaku pembimbing pertama skripsi serta Ibu Risti Endriani Arhatin, S.Pi, M.Si selaku pembimbing kedua skripsi. Selain itu, penulis sampaikan ucapan terima kasih kepada Bapak Dr. Ir. James P. Panjaitan, M. Phil selaku dosen penguji tamu. Di samping itu, penghargaan penulis sampaikan kepada Bapak Dr. Ir. I Wayan Nurjaya, MSc selaku Ketua Departemen, serta Bapak Dr. Ir. Henry M Manik, ST selaku Ketua Komisi Pendidikan dan seluruh staf Departemen Ilmu dan Teknologi Kelautan. Ungkapan terima kasih juga disampaikan kepada Bapak, Ibu, Adik-adik serta seluruh keluarga besar, atas segala doa, kasih sayang, dan dukungannya.
Bogor, April 2015
Ghulampitt Fahane
DAFTAR ISI DAFTAR TABEL
vi
DAFTAR GAMBAR
vi
DAFTAR LAMPIRAN
vi
PENDAHULUAN
1
Latar Belakang
1
Tujuan Penelitian
2
Manfaat Penelitian
2
METODE
2
Waktu dan Wilayah Penelitian
2
Alat
3
Bahan
3
Perolehan Data Citra Satelit
3
Pengambilan Sampel In-situ
3
Pengukuran Konsentrasi Klorofil-a In-situ di Laboratorium
4
Pengolahan Data CItra Klorofil-a
5
Algoritma OC3V
5
Analisis Data
6
HASIL DAN PEMBAHASAN Konsentrasi Klorofil-a di perairan Pulau Pari
8 8
Hubungan Reflektansi Spektral dengan Konsentrasi Klorofil-a
11
Akurasi Algoritma dalam Estimasi Konsentrasi Klorofil-a
14
KESIMPULAN DAN SARAN
17
Kesimpulan
17
Saran
17
DAFTAR PUSTAKA
17
RIWAYAT HIDUP
27
DAFTAR TABEL 1 Berbagai macam bentuk persamaan model algoritma 2 Konsentrasi klorofil-a dari berbagai pengukuran dan konsentrasi TSS insitu di perairan Pulau Pari 3 Berbagai Persamaan Regresi dan model algoritma dari Rasio Band 2/4 4 Berbagai Persamaan Regresi dan model algoritma dari Rasio Band 3/4 5 Nilai koefisien determinasi, koefisien korelasi, RMSE dari algoritma OC3V, Rasio Band 2/4, dan Rasio Band 3/4 6 RMSE dari estimasi klorofil-a hasil estimasi berbagai jenis citra satelit
6 7 11 12 15 16
DAFTAR GAMBAR 1 Lokasi penelitian dan stasiun pengambilan sampel klorofil-a in-situ di Pulau Pari 2 Sebaran horizontal konsentrasi klorofil-a hasil pengukuran in-situ di perairan Pulau Pari 3 Grafik korelasi antara konsentrasi klorofil-a in-situ dengan rasio band 2/4 menggunakan model regresi eksponensial, liner, polynomial orde 3, logaritmik, dan power 4 Grafik korelasi antara konsentrasi klorofil-a in-situ dengan rasio band 3/4 menggunakan model regresi eksponensial, liner, polynomial orde 3, logaritmik, dan power
2 9
13
13
DAFTAR LAMPIRAN 1 Selisih konsentrasi klorofil-a hasil estimasi algoritma OC3V, Rasio Band 2/4, Rasio Band 3/4 dengan konsentrasi klorofil-a in-situ 2 Kondisi fisik dan kimia perairan Pulau Pari 3 Spesifikasi kanal pada sensor satelit VIIRS Suomi-NPP 4 Nilai remote sensing reflectance pada setiap kanal dan rasio band 5 Perhitungan koefisien korelasi dan determinasi 6 Data klorofil-a in-situ dan citra satelit yang digunakan untuk analisis regresi 7 Perhitungan root mean square error (RMSE)
20 21 22 23 24 25 26
PENDAHULUAN Latar Belakang Fitoplankton adalah organisme renik yang dapat berfotosintesis dan berperan sebagai penghasil O2. Organisme ini merupakan salah satu sumber makanan di lautan dan menjadi dasar dari struktur trofik rantai makanan. Fitoplankton memiliki kemampuan membentuk zat organik dari zat anorganik, sehingga fitoplankton disebut juga sebagai produsen primer (Nontji 2002). Selain itu, keberadaan fitoplankton juga dapat dikaitkan dengan produktivitas primer lautan. Klorofil yang dikandung oleh fitoplankton terdiri dari tiga jenis, yakni klorofil-a, klorofil-b, dan klorofil-c. Diantara ketiga jenis klorofil tersebut, klorofil-a merupakan klorofil yang paling banyak dikandung oleh fitoplankton yang hidup di lautan (Jeffrey 1980). Oleh karena itu, klorofil-a dapat digunakan sebagai parameter untuk menentukan produktifitas primer suatu perairan. Pengukuran kandungan klorofil-a di lautan secara in-situ sulit dilakukan karena memiliki banyak kendala, diantaranya adalah luasnya cakupan wilayah pengambilan sampel dan lamanya waktu pengambilan sampel. Sebaliknya, pengukuran kandungan klorofil-a secara remote sensing lebih efisien karena bersifat near real time serta sinoptik, yaitu dapat merekam kondisi laut pada wilayah dengan cakupan luas secara bersamaan. Klorofil-a memiliki karakteristik spektral yang spesifik yakni mengabsorbsi sinar biru (400-515 nm) dan merefleksikan sinar hijau (515-600 nm) yang dapat mempengaruhi warna air laut (Kirk 1994). Oleh karena itu, estimasi kandungan klorofil-a di permukaan laut dapat dilakukan secara remote sensing dengan memanfaatkan karakteristik spectral yang dimiliki klorofil-a (Eleveld et al. 2007). Sejarah pengukuran konsentrasi klorofil-a di lautan telah berlangsung sekitar tiga dekade, dimulai pada tahun 1978 dengan diluncurkannya Coastal Zone Color Scanner (CZCS) menggunakan satelit Nimbus-7 yang menjadi awal observasi global warna lautan. Selanjutnya, National Space Development Agency of Japan (NASDA) meluncurkan Ocean Color and Temperature Scanner (OCTS) menggunakan satelit ADEOS pada tanggal 17 Agustus 1996 (Kawamura 1998). Tak lama setelah terhentinya program OCTS, National Aeronautics and Space Administration (NASA) dan Orbital Science Corporation (OSC) meluncurkan Seaviewing Wide Field-of-view Sensor (SeaWiFS) menggunakan satelit SeaStar pada bulan Agustus 1997. Pada tahun 1999, NASA meluncurkan Moderate Resolution Imaging Spectroradiometer (MODIS) sebagai awal dari program Earth Observing System (Srokosz 2000). Pada tanggal 28 Oktober 2011 telah diluncurkan satelit baru, yakni Suomi National Polar-orbiting Partnership (S-NPP) oleh NASA. Satelit ini direncanakan untuk melanjutkan pengukuran data mengenai fisika kebumian seperti data atmosfer, laut, dan tanah yang sebelumnya dilakukan oleh satelit-satelit EOS-NASA sekarang yakni MODIS Terra, MODIS Aqua, dan Aura. (Xiong et al. 2012). Satelit S-NPP dilengkapi dengan sensor Visible Infrared Imaging Radiometers Suite (VIIRS) dan memiliki 16 kanal dengan bandwith yang berbeda-beda (Turpie et al. 2013). Penelitian konsentrasi klorofil-a di perairan Indonesia menggunakan satelit VIIRS S-NPP masih sangat sedikit. Karena itu penelitian estimasi klorofil-a diperlukan untuk mengkaji keakuratan satelit VIIRS S-NPP.
2
Tujuan Penelitian Tujuan dari penelitian ini adalah menduga kandungan klorofil-a di perairan Pulau Pari menggunakan citra satelit VIIRS S-NPP, menguji keakuratan citra satelit VIIRS S-NPP dalam mengestimasi kandungan klorofil-a, serta menentukan algoritma yang sesuai untuk perairan Pulau Pari.
Manfaat Penelitian Hasil penelitian ini diharapkan dapat digunakan untuk menentukan konsentrasi klorofil-a di perairan Pulau Pari dengan tingkat akurasi yang baik. Informasi mengenai konsentrasi klorofil-a di lautan diperlukan untuk mengembangkan sumberdaya perikanan dan kelautan di Indonesia.
METODE Waktu dan Wilayah Penelitian Pengambilan data klorofil-a in-situ dilakukan pada tanggal 6 dan 7 September 2013 di perairan Pulau Pari dengan koordinat 1060 33’ 00” BT hingga 106o 42’ 00’’ BT dan 5o 48’ 00’’ LS sampai 6o 06’ 00’’ LS. Pengolahan data citra dilakukan di Laboratorium Penginderaan Jauh dan SIG Kelautan, Departemen Ilmu dan Teknologi Kelautan. Analisis konsentrasi klorofil-a dilakukan di Laboratorium Pengujian Produktivitas dan Lingkungan Perairan, Departemen Manajemen Sumberdaya Perairan, Institut Pertanian Bogor. Peta lokasi lokasi penelitian tertera pada Gambar 1.
Gambar 1 Lokasi penelitian dan stasiun pengambilan sampel klorofil-a in-situ di Pulau Pari
3
Alat Alat yang digunakan pada penelitian ini dibagi dua, yakni alat untuk analisis sampel air dan alat untuk pemrosesan data citra satelit VIIRS S-NPP. Alat yang digunakan untuk analisis sampel air laut terdiri dari: Botol PE 1 liter, membran filter cellulose nitrate 0.45 µm, vacuum pump, alumunium voil, thermometer, refraktometer, cool box, pH meter, spektrofotometer, corong bucher, dan GPS map 585 GARMIN. Alat yang digunakan untuk pemrosesan data citra satelit S-NPP terdiri dari: komputer dengan spesifikasi RAM 4 GB dan prosesor Intel core i5, perangkat lunak SeaWiFS Data Analysis System (SeaDAS) 7.02 untuk windows, Arc GIS 10.0, Microsoft Excell.
Bahan Bahan yang digunakan adalah data citra satelit VIIRS S-NPP level 2 harian pada tanggal 1 dan 5 September 2013. Terdapat perbedaan selang waktu antara data citra satelit yang digunakan dengan waktu pengukuran konsentrasi klorofil-a insitu. Perbedaan ini disebabkan citra satelit selama bulan September 2013, selain tanggal 1 dan 5, tertutup awan sehingga tidak dapat digunakan. Oleh karena itu, citra satelit pada tanggal dilakukannya pengukuran in-situ yakni tanggal 6 dan 7 September tidak dapat digunakan karena tertutup awan. Bahan yang digunakan untuk analisis sampel air adalah air laut (1-2 liter) sebanyak 33 sampel, aquades, aseton 90%, dan es balok.
Perolehan Data Citra Satelit Data citra VIIRS S-NPP Level 2 diunduh dari situs ocean color NASA (http://oceancolor.gsfc.nasa.gov). Citra yang akan diunduh diseleksi dan dipilih citra yang memiliki tutupan awan minimal. Data level 2 dari satelit VIIRS S-NPP memiliki resolusi spasial sebesar 750 m. Data yang didapat tersedia dalam bentuk *.rar dan bila diekstrak terdapat file data level 2 VIIRS S-NPP dengan format data HDF-5 (*.h5).
Pengambilan Sampel In-situ Sampel in-situ didapat dengan mengambil langsung sampel air laut pada lokasi atau titik stasiun yang direncanakan (Gambar 1). Sampel air diambil pada kedalaman di dekat permukaan, yakni kurang dari 0.5 meter dari permukaan. Pengambilan sampel air menggunakan alat water sampler yang kemudian disimpan pada Botol Sampel PE. Botol sampel PE yang berisi air sampel kemudian dilapisi dengan plastik hitam dan disimpan dalam cool box berisi es balok. Jumlah sampel klorofil-a in-situ yang didapatkan sejumlah 33 sampel dengan ulangan sebanyak 1 kali.
4
Pengukuran Konsentrasi Klorofil-a In-situ di Laboratorium Analisis sampel klorofil-a in-situ di laboratorium terdapat dua tahapan yang penting, yakni ekstraksi pigmen dan juga penentuan kandungan klorofil-a dengan spektrofotometer (APHA 2005). Pada ekstraksi pigmen, konsentrasi klorofil-a dari sampel diambil melalui penyaringan menggunakan membran filter cellulose nitrat 0.45 µm. Setelah terkumpul, sampel dihancurkan menggunakan tissue grinder dan diberi larutan aseton 90% untuk melarutkan pigmen klorofil-a. Kemudian letakkan pigmen yang telah diekstrak pada kuvet dan tambahkan 0.1 mL 0.1 N HCL. Pada pengukuran pertama hitung nilai optical density dari sampel ekstrak pigmen dengan panjang gelombang 750 dan 664 nm, setelah itu tambahkan asam 0.1 mL 0.1 N HCL pada sampel dan ukur optical density pada panjang gelombang 750 dan 665 nm. Sebelum konsentrasi klorofil-a dihitung, nilai optical density pada panjang gelombang 664 nm pada sampel sebelum dan 665 nm sesudah pengasaman dikurangi dengan nilai optical density pada panjang gelombang 750 nm. Pengurangan tersebut berguna untuk mengoreksi pengaruh kekeruhan, turbidity. Pengukuran sampel pada panjang gelombang 664 nm berguna untuk melihat optical density dari klorofil-a, sedangkan pengukuran pada panjang gelombang 665 nm berguna untuk melihat optical density dari klorofil-a yang terdegredasi menjadi pheophytin-a. Pengukuran panjang gelombang 750 nm digunakan untuk mengetahui nilai optical density dari kekeruhan atau turbiditas dari sampel. Berikut formulasi perhitungan konsentrasi klorofil-a dengan pheophytin-a menggunakan spektrofotometer. Nilai 2.67 merupakan koefisien koreksi absorban dan setara dengan A x K (APHA 2005). Nilai A adalah koefisien absorbansi klorofil pada panjang gelombang 664 nm yakni sebesar 11.2 dan K adalah rasio yang menunjukkan koreksi dari pengasaman. Chl-a =
2.67(664b-665a) x V1
Phy-a =
K=
V2 x L
………………………............………….……………(1)
2.67[1.7(665a)-664b] x V1 V2 x L
……………..…………....….…………………. (2)
664b klorofil a murni 665a ……..………..……....…….... 664b 664b Klorofil a murnipheophytin-a murni 665a 665a
Keterangan: Chl-a = konsentrasi klorofil-a (mg/m3) Phy-a = konsentrasi pheophytin-a V1 = volume ekstrak (L) V2 = volume sampel (m3) L = panjang gelombang cahaya atau lebar kuvet (cm) 664b = optical densities dari 90% ekstrak aseton sebelum pengasaman 664a = optical densities dari 90% ekstrak aseton setelah pengasaman
(3)
5
Pengolahan Data Citra Klorofil-a Data citra yang digunakan adalah data citra level 2 dari satelit VIIRS S-NPP sehingga data yang digunakan telah terkoreksi secara geometrik dan radiometrik. Data level 2 dari citra VIIRS S-NPP memiliki informasi klorofil-a, lintang, dan bujur. Pengolahan citra satelit menggunakan program SeaDAS 7.02 untuk membuka data dan mengekstrak data citra dari cakupan wilayah penelitian. Pengekstrakan data citra dilakukan dengan memasukkan koordinat cakupan pengambilan sampel pada program SeaDAS 7.02 serta memilih variabel yang ingin digunakan. Setelah itu, data citra satelit diekstrak dalam format *.CSV dan dibuka kembali dengan program Microsoft Excel. Data harian yang didapat diolah kembali pada Microsoft Excel untuk dibuat data rataan satu minggu.
Algoritma OC3V, Rasio Band 2/4, dan Rasio Band 3/4 Pengukuran kandungan klorofil-a dari citra satelit VIIRS S-NPP menggunakan algoritma yang dikembangkan oleh Carder dan telah dimodifikasi khusus untuk keperluan satelit VIIRS S-NPP. Algoritma yang digunakan saat ini adalah Ocean Color 3-band ratio for VIIRS (OC3V) yang menjadi algoritma primer dalam penghitungan kandungan klorofil-a pada data citra satelit S-NPP level 2 (Baker 2011). Oleh karena itu, seluruh konsentrasi klorofil-a dari data level 2 citra satelit S-NPP yang diolah menggunakan program SeaDAS 7.02 untuk windows berasal dari algoritma ini. Berikut bentuk algoritma OC3V: Log (C) = αo+α1x+α2x2+α3x3+α4x4 …………...…………………………….……(4) x = log
max (Rrs(445), Rrs(488) Rrs (555)
……….…………………………..………………...(5)
Dimana αo = 0.283, α1= -2.753, α2= 1.457, α3= 0.659, α4= -1.403. Variabel C merupakan konsentrasi klorofil-a (mg/m3), Rrs adalah remote-sensing reflectance. Nilai x merupakan basis logaritma dari rasio maksimal remote sensing reflectance, dimana nilai terbesar dari rasio band Rrs 445/ Rrs 555 atau Rrs 488/ Rrs 555 yang digunakan (Matsuoka et al. 2007). Algoritma rasio band 2/4 dan rasio band 3/4 merupakan algoritma yang dikembangkan secara empirical modelling menggunakan metode regresi dan interpolasi dari nilai remote sensing reflectance satelit VIIRS S-NPP pada kanal 2, 3, dan 4 dengan konsentrasi klorofil-a in-situ. Algoritma ini tidak perlu melogaritmakan nilai remote sensing reflectance pada masing-masing rasio band karena didasarkan pada model regresi (Han dan Jordan 2005). Rasio band 2/4 didasarkan pada puncak absorbansi klorofil-a pada panjang gelombang 440 nm, dimana band 2 memiliki panjang gelombang 443 nm. Rasio band 3/4 didasarkan pada rasio blue to green yang biasanya menggunakan rasio R(490)/R(560) (Morel et al. 2006), namun rasio band 3/4 ini menggunakan rasio R(486)/R(551), dimana band 3 dengan panjang gelombang 486 nm dan band 4 dengan panjang gelombang 551 nm. Model regresi dari algoritma rasio band 2/4 dan 3/4 tertera pada Tabel 4 dan Tabel 5
6
Analisis Data Analisis data dilakukan dengan membandingkan data pengukuran in-situ dengan hasil estimasi citra satelit. Analisis Root Mean Square Error (RMSE) dilakukan untuk mengetahui akurasi dari pengukuran klorofil-a yang menggunakan estimasi citra satelit. Perhitungan RMSE sebagai berikut: RMSE =
2 ∑N i=1 (Zi-Zj)
n(n-1)
………………………………….………………………(6)
Keterangan: Zi = data hasil estimasi citra Zj = data in-situ n = jumlah data Indikator uji kesesuaian RMSE adalah suatu indikator kesalahan yang didasarkan pada total kuadratis dari simpangan antara hasil model dengan hasil observasi. Analisis ini mengukur perbedaan antara nilai yang diestimasi oleh model dengan nilai aktual hasil observasi. RMSE menyajikan satu prediksi kesalahan atau eror yang didapatkan dari berbagai kumpulan besaran kesalahan pada pengukuran menggunakan model (Walpole 2012). Analisis regresi dilakukan untuk memodelkan hubungan antara satu variable respon y dengan satu atau lebih variable predictor x (Walpole 2012). Analisis ini menghasilkan model regresi serta koefisien determinasi dan korelasi yang digunakan sebagai model algoritma. Model regresi yang digunakan adalah model regresi eksponensial, polynomial orde 3, linear, logaritmik, dan power. Model regresi ini nantinya digunakan sebagai model algoritma untuk mengestimasi konsentrasi klorofil-a. Persamaan model algoritma regresi tertera pada Tabel 1. Tabel 1 Berbagai macam bentuk persamaan model algoritma Persamaan Model Algoritma Eksponensial C = α 0 eb1 x Linear C = α 0 + b1 x Logaritmik C = α0 + α1 ln x Power C = α0 xα1 Polynomial orde 3 C = α 0 + α 1 x + α 2 x2 + α 3 x3 Keterangan: C α 0, 1, 2..,n
= konsentrasi klorofil-a (mg/m3) = konstanta ke 0,1,2,..n
Nilai x pada model algoritma didapatkan dari persamaan: x=
(Rrs(445) Rrs (555)
ata u
(Rrs(488) Rrs (555)
………………..……..……………………(7)
7 Nilai x merupakan hasil rasio dari nilai remote sensing reflectance pada rasio band Rrs 445 / Rrs 555 untuk algoritma rasio band 2/4, sedangkan untuk algoritma rasio band 3/4 nilai x merupakan hasil logaritma dari nilai remote sensing reflectance pada rasio band Rrs 488 / Rrs 555. Persamaan algoritma yang didapatkan dari model regresi (Tabel 1) akan diseleksi kembali dengan memandingkan nilai-nilai koefisien korelasi dan determinasi dari setiap persamaan algoritma tersebut. Koefisien korelasi dari model algoritma hasil regresi didapatkan dengan persamaan berikut ini: ∑
∑
= ∑
∑
∑ ∑
………………………………(8) ∑
Keterangan: r = koefisien korelasi xi = data observasi pada periode ke-i dengan i = 1, 2, 3, …, n yi = hasil dugaan pada periode ke-i dengan i = 1, 2, 3, …, n n = jumlah data x dan y Nilai koefisiean korelasi (r) memiliki variasi dari 0 hingga +1 atau -1. Bila nilai r mendekati +1, hubungan antarvariabel kuat dan membentuk suatu kurva positif. Nilai r mendekati –1 juga menunjukkan hubungan antarvariabel yang kuat namun membentuk kurva negatif. Jika nilai r mendekati nol maka hubungan antar variabel lemah (Walpole 2012). Koefisien korelasi hanya menyatakan keeratan hubungan variabel bebas dengan variabel terikat. Oleh karena itu, untuk mengetahui besar pengaruh variabel independen terhadap variable dependen diperlukan koefisien determinasi. Berikut perhitungannya: R2 = r2 x 100% …………………………………...………………………………(9) Keterangan: R2 = koefisien determinasi r = koefisien korelasi Koefisien determinasi (R2) menunjukkan persentasi pengaruh dari variabel bebas x terhadap variabel terikat y. Nilai koefisien determinasi bervariasi dari 0 hingga 1 dengan nilai terbaik mendekati 1 (Walpole 2012). Nilai koefisien determinasi yang semakin mendekati angka 1 menunjukkan semakin besarnya pengaruh variable bebas terhadap variable terikat.
8
HASIL DAN PEMBAHASAN Konsentrasi Klorofil-a di perairan Pulau Pari Pengukuran konsentrasi klorofil-a menggunakan sensor satelit dan pengukuran secara in-situ memberikan hasil yang berbeda. Konsentrasi klorofil-a dari berbagai jenis pengukuran dan konsentrasi Total Suspended Solid (TSS) in-situ di perairan Pulau Pari tertera pada Tabel 2. Tabel 2 Konsentrasi klorofil-a dari berbagai pengukuran dan konsentrasi TSS insitu di perairan Pulau Pari Koordinat Stasiun ST.1 ST.2 ST.3 ST.4 ST.5 ST.6 ST.7 ST.8 ST.9 ST.10 ST.11 ST.12 ST.13 ST.14 ST.15 ST.16 ST.17 ST.18 ST.19 ST.20 ST.21 ST.22 ST.23 ST.24 ST.25 ST.26 ST.27 ST.28 ST.29 ST.30 ST.31 ST.32 ST.33
Bujur
Lintang
106o 35’ 09.60’’ 106o 35’ 50.82’’ 106o 36’ 54.60’’ 106o 37’ 16.08’’ 106o 37’ 05.52’’ 106o 35’ 42.00’’ 106o 34’ 19.20’’ 106o 34’ 30.00’’ 106o 35’ 13.20’’ 106o 36’ 10.80’’ 106o 37’ 01.20’’ 106o 37’ 58.80’’ 106o 38’ 27.60’’ 106o 37’ 26.40’’ 106o 37’ 08.28’’ 106o 36’ 05.46’’ 106o 35’ 0.42’’ 106o 33’ 58.56’’ 106o 34’ 07.56’’ 106o 34’ 45.90’’ 106o 35’ 34.20’’ 106o 36’ 28.50’’ 106o 37’ 25.20’’ 106o 38’ 10.68’’ 106o 38’ 20.58’’ 106o 38’ 32.70’’ 106o 38’ 15.72’’ 106o 37’ 59.46’’ 106o 37’ 31.56’’ 106o 37’ 23.52’’ 106o 36’ 43.80’’ 106o 36’ 21.06’’ 106o 35’ 18.78’’
- 6o 0.0’ 42.60’’ - 5o 58’ 11.40’’ - 5o 53 ’35.40’’ - 5o 51’ 48.00’’ - 5o 51’ 59,40’’ - 5o 05’ 14.40’’ - 5o 05’ 10.80’’ - 5o 0.0’ 30.06’’ - 5o 05’ 03.60’’ - 5o 0.0’ 30.00’’ - 5o 05’ 03.60’’ - 5o 05’ 04.80’’ - 5o 05’ 07.80’’ - 5o 05’ 10.80’’ - 5o 52’ 01.80’’ - 5o 52’ 43.80’’ - 5o 52’ 36.60’’ - 5o 51’ 52.80’’ - 5o 51’ 02.40’’ - 5o 50’ 37.20’’ - 5o 50’ 12.00’’ - 5o 05’ 0.60’’ - 5o 50’ 18.00’’ - 5o 50’ 39.00’’ - 5o 51’ 04.80’’ - 5o 51’ 31.20’’ - 5o 51’ 56.40’’ - 5o 52’ 17.40’’ - 5o 52’ 24.00’’ - 5o 52’ 01.80’’ - 5o 54’ 33.60’’ - 5o 56’ 36.00’’ - 5o 59’ 30.60’’
Konsetrasi klorofil-a (mg/m3) Rasio Rasio InOC3V situ 2/4 3/4 2.112 3.675 2.033 2.244 1.876 2.366 1.741 1.536 0.220 0.475 0.099 0.111 0.158 0.381 0.123 0.138 0.165 0.796 0.186 0.184 0.192 0.432 0.155 0.132 0.220 0.425 0.155 0.136 0.169 0.431 0.135 0.133 0.113 0.407 0.149 0.141 0.056 0.419 0.151 0.138 0.008 0.382 0.156 0.143 0.056 0.511 0.060 0.097 0.055 2.002 1.341 1.275 0.229 0.381 0.123 0.138 0.056 0.796 0.186 0.184 0.064 0.380 0.161 0.143 0.119 0.371 0.148 0.140 0.162 0.415 0.160 0.140 0.274 0.403 0.152 0.142 0.067 0.410 0.152 0.141 0.105 0.411 0.150 0.140 0.110 0.403 0.159 0.143 0.165 0.395 0.158 0.144 0.119 0.381 0.142 0.143 0.169 0.511 0.060 0.097 0.108 0.524 0.087 0.094 0.110 0.615 0.042 0.091 0.158 0.377 0.142 0.142 0.110 0.860 0.167 0.235 0.111 0.381 0.123 0.138 2.353 0.739 0.183 0.144 3.711 2.306 1.991 1.495 2.205 3.770 2.502 2.286
TSS (mg/m3) 17000 16000 17000 17000 12000 16000 21000 18000 28000 17000 15000 24000 17000 23000 21000 17000 10000 26000 20000 17000 21000 19000 16000 13000 22000 25000 21000 20000 13000 16000 19000 15000 16000
9 Tabel 2 menunjukkan bahwa konsentrasi klorofil-a hasil estimasi sensor satelit cenderung lebih tinggi dibandingkan dengan konsentrasi klorofil-a in-situ. Stasiun 1, 2, 31, 32, dan 33 memiliki konsentrasi klorofil-a in-situ yang sangat tinggi dibandingkan dengan stasiun-stasiun lainnya, hal ini disebabkan lokasi stasiun tersebut berada di sekitar perairan Teluk Jakarta dan berdekatan dengan daratan. Tingginya konsentrasi klorofil-a in-situ pada stasiun tersebut dapat disebabkan oleh tingginya konsentrasi nutrien di Teluk Jakarta dan besarnya masukan limbah ke perairan Teluk Jakarta (Sachoemar 2008). Sebaliknya, konsentrasi klorofil-a in-situ pada stasiun lainnya jauh lebih kecil dibandingkan kelima stasiun tersebut, konsentrasi terendah terdapat pada stasiun 10, 11, dan 20. Kecilnya konsentrasi klorofil-a ini dapat disebabkan oleh letak stasiun yang jauh dari daratan, sehingga kandungan nutrien di perairan tidak banyak. Menurut Sukoraharjo (2012) konsentrasi klorofil-a pada umumnya tinggi di daerah sekitar pantai karena adanya suplai nutrien yang tinggi dari daratan dan rendah di perairan lepas pantai. Konsentrasi TSS in-situ yang terdapat di perairan lebih tinggi dibandingkan dengan konsentrasi klorofil-a in-situ pada setiap stasiunnya. Konsentrasi TSS di perairan Pulau Pari bervariasi dari 10000 mg/m3 hingga 28000 mg/m3. Tingginya konsentrasi TSS menunjukkan bahwa klorofil-a bukanlah faktor yang dominan dalam mempengaruhi sifat optik pada perairan tersebut. Sebaran spasial konsentrasi klorofil-a in-situ di perairan Pulau Pari dapat dilihat pada Gambar 2.
Gambar 2 Sebaran horizontal konsentrasi klorofil-a hasil pengukuran in-situ di perairan Pulau Pari Berdasarkan Gambar 2 di atas, konsentrasi klorofil-a secara in-situ di perairan Pulau Pari berkisar antara 0.007 mg/m3 hingga 0.462 mg/m3. Klorofil-a di dekat daratan Pulau Pari memiliki konsentrasi yang cukup tinggi dan cenderung menurun ke arah lepas pantai, meski pada beberapa stasiun menunjukkan hal yang berbeda.
10 Perubahan konsentrasi klorofil-a in-situ tersebut ditunjukkan dengan gradasi perubahan warna dari warna kuning hingga jingga. Terdapat perbedaan waktu antara Pengambilan data citra satelit VIIRS S-NPP dengan pengambilan data konsentrasi klorofil-a in-situ. Pengaruh perbedaan waktu tersebut terhadap estimasi konsentrasi klorfil-a dapat diabaikan karena berada pada rentang waktu yang berdekatan dan berada pada musim yang sama sehingga variasi konsentrasi klorofil-a tidak terlalu besar (Putra 2012). Beberapa stasiun yang memiliki konsentrasi klorofil-a hasil estimasi sensor satelit yang sama meski memiliki konsentrasi klorofil-a in-situ yang berbeda. Hal ini disebabkan beberapa titik stasiun tersebut berada pada satu liputan pixel citra satelit yang sama. Citra satelit VIIIRS S-NPP memiliki resolusi spasial sebesar 750 m, sehingga stasiun-stasiun yang memiliki jarak berdekatan dapat tercakup dalam satu pixel. Sebagai contoh, stasiun 4 dan stasiun 14 memiliki konsentrasi klorofil-a hasil estimasi sensor satelit yang sama meski memiliki konsentrasi klorofil-a in-situ yang berbeda. Pengukuran menggunakan algoritma OC3V memberikan hasil estimasi konsentrasi klorofil-a yang paling tinggi bila dibandingkan dengan algoritma lainnya, yakni rasio band 2/4 dan 3/4. Selain itu, konsentrasi klorofil-a hasil pengukuran menggunakan algoritma OC3V memiliki selisih yang paling besar dengan konsentrasi klorofil-a in-situ bila dibandingkan dengan algoritma lainnya (Lampiran 1). Selisih ini dapat disebabkan oleh kondisi fisik dan kimia perarairan Pulau Pari, yakni materi tersuspensi. Kondisi fisik dan kimia perairan Pulau Pari tertera pada Lampiran 2. Menurut Robinson (2004) perairan terbagi menjadi dua jenis, yakni perairan kasus 1 dan perairan kasus 2. Perairan kasus 1 adalah perairan dimana fitoplankton menjadi komponen utama yang mempengaruhi sifat optik air laut dan berada di daerah lepas pantai. Sedangkan perairan kasus 2 merupakan daerah yang didominasi oleh material tersuspensi dan material organik (yellow substance), biasanya berada di daerah pesisir. Perairan Pulau Pari memiliki kandungan TSS yang lebih tinggi bila dibandingkan dengan konsentrasi klorofil-a yang ada di perairan. Tabel 2 menunjukkan konsentrasi TSS pada setiap stasiun jauh melebihi konsentrasi klorofil-a. Tingginya konsentrasi TSS menyebabkan sifat optik perairan didominasi oleh TSS. Oleh karena itu, klorofil-a bukanlah faktor utama yang mempengaruhi sifat optik perairan sehingga perairan Pulau Pari termasuk dalam kategori perairan kasus 2. Tingginya konsentrasi TSS menyebabkan kekeruhan pada perairan Pulau Pari serta mempengaruhi reflektansi spectral dari perairan. Keberadaan TSS yang dominan menjadi kendala dalam mengukur kandungan klorofil-a pada perairan Pulau Pari karena nilai reflektansi yang terekam pada sensor VIIRS tidak murni dari klorofil-a semata. Peningkatan konsentrasi TSS pada suatu perairan akan memberikan pantulan spektral yang semakin besar pada panjang gelombang sinar tampak 400 -700 nm (Robinson 2004). Nilai reflektansi spektral yang diterima oleh sensor satelit merupakan kombinasi dari reflektansi TSS dan klorofil-a. Kombinasi ini mengakibatkan nilai reflektansi spektral yang diterima sensor satelit menjadi lebih tinggi sehingga hasil estimasi konsentrasi klorofil-a juga menjadi lebih tinggi dibandingkan hasil pengukuran klorofil-a secara in-situ. Algoritma OC3V merupakan algoritma standar yang terdapat pada program SeaDAS 7.02 dan digunakan untuk mengukur konsentrasi klorofil-a dari citra satelit
11 VIIRS S-NPP secara global. Oleh karena itu, algoritma OC3V digunakan untuk mengukur konsentrasi klorofil-a pada perairan kasus 1 (Baker 2011). Pengukuran konsentrasi klorofil-a menggunakan algoritma OC3V di perairan Pulau Pari tidak sesuai dengan kondisi perairan yang merupakan perairan kasus 2. Hal ini berakibat pada konsentrasi klorofil-a yang diukur oleh sensor satelit memiliki nilai yang lebih tinggi dari konsentrasi klorofil-a in-situ. Algoritma rasio band 2/4 dan rasio band 3/4 merupakan algoritma yang dikembangkan untuk mengukur konsentrasi klorofil-a di perairan Pulau Pari. Pengukuran klorofil-a dengan sensor satelit menggunakan kedua algoritma tersebut memberikan hasil yang lebih baik dan mendekati konsentrasi klorofil-a in-situ bila dibandingkan dengan pengukuran menggunakan algoritma OC3V (Tabel 2). Algoritma rasio band 2/4 dan 3/4 didapatkan melalui pendekatan empirical modelling sehingga persamaan algoritmanya berasal dari model regresi yang dipilih berdasarkan nilai koefisien korelasi dan juga determinasinya. Kedua algoritma baru tersebut, rasio band 2/4 dan rasio band 3/4, dibuat dengan meminimalkan pengaruh dari TSS yang ada di perairan Pulau Pari.
Hubungan Reflektansi Spektral dengan Konsentrasi Klorofil-a Identifikasi obyek pada citra penginderaan jauh didasari pada pola pantulan spektral obyek pada band-band citra sebagai hasil interaksi gelombang elektromagnetik dengan obyek dipermukaan bumi. Nilai Reflektansi spektral ini dapat digunakan sebagai penciri warna kolom air laut karena setiap kandungan materi yang berbeda dalam kolom air laut akan menghamburkan warna yang berbeda (Nababan et al. 2013). Perubahan nilai spectral yang terekam oleh sensor satelit dipengaruhi oleh kondisi fisik dan kimia perairan (Lampiran 2). Keberadaan TSS di perairan meningkatkan nilai reflektansi spektral gelombang elektromagnetik pada area sinar tampak (Karabulut dan Ceylan 2005). Hal ini menyebabkan pengukuran klorofil-a dengan sensor satelit pada daerah yang tinggi kandungan TSS, perairan kasus 2, memberikan hasil yang kurang baik. Pengukuran konsentrasi klorofil-a di perairan Pulau Pari dapat dioptimalkan menggunakan rasio band dari sensor satelit VIIRS S-NPP. Spesifikasi sensor satelit VIIRS S-NPP tertera pada Lampiran 3. Model regresi dari rasio band 2/4 dan 3/4 dapat digunakan untuk menjadi algoritma dalam menghitung konsentrasi klorofil-a di perairan Pulau Pari. Persamaan model regresi, koefisien korelasi, dan koefisien determinasi antara rasio band dengan konsentrasi klorofil-a in-situ terdapat pada Tabel 3 dan Tabel 4. Tabel 3 Berbagai persamaan regresi dan model algoritma dari rasio band 2/4 Regresi Persamaan R² r 2 3 Polynomial orde 3 C = 10.2 - 18.819x + 11.443x -2.2732x 0.982 0.991 Linear C = 2.1876 - 1.1222x 0.621 0.788 Logaritmik C = 1.0448 - 1.555ln(x) 0.755 0.869 Eksponensial C = 2.1819e-1.608x 0.370 0.608 -2.26 Power C = 0.4304x 0.463 0.680 Keterangan:
C = konsentrasi klorofil-a in-situ x = remote sensing reflectance rasio band 2/4
12 Tabel 4 Berbagai persamaan regresi dari rasio band 3/4 Regresi Persamaan Polynomial orde 3 C = 10.926- 18.049x + 9.9228x2 -1.7971x3 Linear C = 2.5076-1.2229x Logaritmik C = 1.299-1.79ln(x) Eksponensial C = 3.952e-1.828x Power C = 0.6457x-2.667 Keterangan:
R² 0.973 0.689 0.800 0.447 0.516
r 0.987 0.830 0.894 0.669 0.718
C = konsentrasi klorofil-a in-situ x = remote sensing reflectance rasio band 3/4
Rasio band 2/4 dan 3/4 merupakan perbandingan nilai remote sensing reflectance dari masing-masing band, yakni band 2, band 3, dan band 4. Nilai remote sensing reflectance dari setiap rasio band tertera pada Lampiran 4. Analisis regresi dilakukan dengan memodelkan hubungan konsentrasi klorofil-a in-situ dengan nilai remote sensing reflectance hasil rasio band 2/4 dan 3/4. Berdasarkan Tabel 3 di atas, rasio band 2/4 memiliki koefisien korelasi (r) dan koefisien determinasi (R2) yang baik terhadap kandungan klorofil-a in-situ. Hal ini menunjukkan adanya keterkaitan antara nilai remote sensing reflectance dari rasio band 2/4 dengan konsentrasi klorofil-a. Koefisien determinasi menunjukkan bahwa besarnya konsentrasi klorofil-a berpengaruh nyata dan mampu mempengaruhi nilai remote sensing reflectance yang terekam sensor. Koefisien determinasi antara konsentrasi klorofil-a dengan rasio band 2/4 yang tertinggi terdapat pada persamaan regresi polynomial orde 3 yakni sebesar 0.982. Koefisien korelasi (r) pada Tabel 3 menunjukkan besarnya hubungan antara dua variable, yakni rasio band 2/4 dan konsentrasi klorofil-a. Koefisien korelasi terbesar dari rasio band 2/4 berasal dari persamaan polynomial orde 3, yakni sebesar 0.991. Tabel 4 menunjukkan koefisien determinasi dan juga koefisien korelasi antara rasio band 3/4 dengan konsentrasi klorofil-a in-situ. Koefisien determinasi terbesar dari rasio band 3/4 didapatkan dari persamaan polynomial orde 3, yakni sebesar 0.973. Koefisien korelasi tertinggi dari rasio band 3/4 juga didapatkan dari persamaan polynomial orde 3, yakni sebesar 0.987. Kedua rasio band tersebut memiliki nilai koefisien korelasi dan juga deerminasi yang sangat tinggi dengan konsentrasi klorofil-a in-situ. Perhitungan koefisien korelasi dan determinasi terdapat pada Lampiran 5 Pola hubungan rasio reflektansi dengan konsentrasi klorofil-a dari rasio band 2/4 disajikan pada Gambar 3 dan rasio band 3/4 disajikan pada Gambar 4. Grafik pencar memperlihatkan penyebaran populasi yang acak, tidak mengikuti garis, dan bersifat non linear. Jumlah data (n) yang digunakan menentukan model dugaan dan tingkat akurasi karena banyaknya data merepresentasikan kondisi yang sebenarnya (Walpole 2012). Jumlah data yang digunakan untuk regresi sebanyak 30 data konsentrasi klorofil-a in-situ yang dihubungkan dengan 30 pixel citra satelit VIIRS S-NPP (Lampiran 6).
13
konsentrasi klorofil-a (mg/m^3)
3 2.5 ekponensial
2
linear
1.5
polynomial orde 3
1
logaritmik
0.5
power
0 -0.5
0
0.5
1
1.5
2
2.5
-1 -1.5
remote sensing reflectance (sv-1)
konsentrasi klorofil-a (mg/m^3)
. Gambar 3 Grafik korelasi antara klorofil-a in-situ dengan rasio band 2/4 menggunakan model regresi eksponensial, linier, polynomial orde 3, logaritmik, dan power.
3 2.5 2 1.5
linier
1
polynomial orde 3
0.5
logaritmik
0 -0.5 0
0.5
1
1.5
2
2.5
power eksponensial
-1 -1.5
remote sensing reflectance (sv-1)
Gambar 4 Grafik korelasi antara klorofil-a in-situ dengan rasio band 3/4 menggunakan model regresi eksponensial, linier, polynomial orde 3, logaritmik, dan power. Reflektansi permukaan air laut (R λ) secara teknis diartikan sebagai rasio antara upwelling irradiance Eu(λ,0) dengan downwelling irradiance Ed(λ,0) pada panjang gelombang tertentu (λ) di permukaan laut, kedalaman 0 meter. Parameter Eu(λ,0) mengandung informasi air laut beserta padatan terlarut maupun padatan tersuspensi di dalamnya, sedangkan Ed(λ,0) merupakan total irradiance yang datang mengenai permukaan laut. Dengan demikian, reflektansi spektral merupakan hasil dari proses absorbsi dan juga backscattering dari air, fitoplankton, carbon dissolved organic matter (CDOM), dan partikel non fitoplankton (Gomez 2014).
14 Perairan di sekitar Pulau Pari merupakan perairan kasus 2, sehingga klorofil-a bukanlah faktor yang dominan dalam mempengaruhi nilai reflektansi spectral. Keberadaan material organik dan anorganik lainnya seperti total padatan tersuspensi, dan colored dissolved organic matter (CDOM) dapat mempengaruhi nilai reflektansi spectral perairan. Peningkatan kandungan klorofil-a dan kekeruhan pada perairan akan menyebabkan peningkatan pada nilai reflektansi spectral pada spektrum sinar tampak dan near-infrared, sedangkan peningkatan CDOM akan mengakibatkan rendahnya nilai reflektansi khususnya pada panjang gelombang dibawah 500 nm (Menken et al. 2005). Keberadaan TSS dan CDOM yang tinggi menjadi kendala dalam mengukur kandungan klorofil-a pada perairan Pulau Pari karena mengakibatkan nilai reflektansi yang terekam pada sensor VIIRS tidak murni dari Klorofil-a semata. Hal ini berakibat pada tidak akuratnya hasil pengukuran konsentrasi klorofil-a oleh satelit S-NPP. Klorofil-a memiliki karakteristik spektral yang berbeda dengan CDOM maupun TSS. Klorofil-a pada fitoplankton memiliki puncak absorbansi pada panjang gelombang 443 nm dan rendah pada panjang gelombang 412 nm. Sebaliknya nilai absrobansi CDOM akan semakin meningkat seiring dengan berkurangnya panjang gelombang, sehingga absorbansi CDOM pada panjang gelombang 412 nm lebih tinggi dibandingkan pada panjang gelombang 443 nm (Carder et al. 2003). Panjang gelombang 490 dan 560 nm bersifat sensitif terhadap fitoplankton sehingga kedua panjang gelombang ini dapat membentuk rasio blue to green, R(490)/R(560) (Morel et al. 2009). Oleh karena itu, pengukuran konsentrasi klorofil-a di perarian Pulau Pari dapat dioptimalkan dengan menggunakan rasio dari band 2 (443 nm), band 3 (486 nm), dan band 4 (551 nm) pada sensor VIIRS. Berdasarkan Tabel 3 dan Tabel 4, persamaan polynomial orde 3 merupakan persamaan yang memberikan koefisien determinasi dan juga korelasi yang terbaik pada kedua rasio band, yakni band 2/4 dan band 3/4. Persamaan polynomial orde 3 ini dapat digunakan sebagai algoritma baru untuk menghitung konsentrasi klorofil dengan memasukan nilai remote sensing reflectance hasil rasio band sebagai variabelnya.
Akurasi Algoritma dalam Estimasi Konsentrasi Klorofil-a Reflektansi gelombang elektromagnetik pada permukaan laut dengan parameter biofisik perairan dapat diketahui hubungannya dengan menggunakan algoritma berbasis model untuk melakukan estimasi. Terdapat dua jenis algoritma, yang pertama adalah analytical modelling dan yang kedua adalah empirical modelling. Dasar dari analytical modelling adalah menghitung semua paramaeter yang terkait dengan water leaving radiance (LW(λ)) dari klorofil-a, seperti downwelling irradiance (ED(λ)), koefisien absorbsi (a(λ)), backscattering (bb(λ)), dan distribusi angular dari cahaya. Sedangkan empirical modelling menggunakan metode regressi dan menggunakan teknik interpolasi dari beberapa serangkaian training samples. Kebanyakan algorithma empiris dari ocean color untuk menghitung konsentrasi klorofil-a menggunakan rasio dari band biru hijau dan divalidasi dengan data in-situ dari beberapa stasiun (Camps-Valls et al. 2006). Persamaan polynomial orde 3 dari Tabel 3 dan Tabel 4 dapat diterapkan sebagai algoritma untuk menghitung konsentrasi klorofil-a di perairan Pulau Pari.
15 Akurasi dari estimasi klorofil-a menggunakan algoritma OC3V, rasio band 2/4, dan rasio band 3/4 diketahui dengan menghitung nilai root mean square error (RMSE). Koefisien korelasi, koefisien determinasi serta nilai RMSE dari estimasi konsentrasi klorofil-a mengunakan algoritma OC3V, rasio band 2/4, dan rasio band 3/4 tertera pada Tabel 5. Tabel 5 Nilai koefisien determinasi, koefisien korelasi, RMSE dari algoritma OC3V, Rasio Band 2/4, dan Rasio Band 3/4 Algoritma R2 r RMSE 0.9934 0.9934 Rasio Band 2/4 0.0171 0.9954 0.9954 Rasio Band 3/4 0.0177 0.5984 0.7736 OC3V 0.1277 Kandungan konsentrasi klorofil-a dari setiap algoritma tertera pada Tabel 1. Berdasarkan Tabel 5, nilai RMSE terbesar terdapat pada algoritma OC3V sedangkan nilai terkecil berasal dari algoritma rasio band 2/4. Nilai RMSE dari algoritma OC3V sebesar 0.1277 sedangkan nilai RMSE dari algoritma Rasio Band 2/4 sebesar 0.0171. Nilai RMSE menunjukkan besarnya error dari perhitungan atau estimasi dari algoritma yang digunakan. Selain itu, RMSE menyatakan suatu indicator kesalahan suatu pengukuran yang didasarkan observasi lapang (in-situ) sehingga nilai RMSE menunjukkan kualitas dari suatu pengukuran. Oleh karena itu, RMSE juga menunjukkan tingginya akurasi dari suatu pengukuran. Semakin kecil nilai RMSE menunjukkan semakin baik akurasi dari pengukuran tersebut dan error dari pengukuran juga semakin kecil. Perhitungan nilai RMSE terdapat pada Lampiran 7. Algoritma dari rasio band 2/4 dan juga 3/4 termasuk dalam algoritma empiris karena menggunakan regresi dan juga beberapa training sample untuk mendapatkan persamaan algoritmanya. Pengukuran menggunakan rasio band memberikan hasil lebih baik dibandingkan dengan pengukuran algoritma OC3V yang ditujukan untuk kasus perairan 1. Pada perairan kasus 1, algoritma yang digunakan didasarkan pada hubungan empiris antara konsentrasi klorofil-a dengan reflektansi spektral dari rasio gelombang biru-hijau. Algoritma tersebut tidak menghitung kuatnya absorbsi panjang gelombang biru oleh non-covarying, padatan terlarut, serta komponen non alga (Tzortziou et al. 2007). Oleh karena itu, algoritma OC3V memberikan hasil pengukuran yang kurang baik bila digunakan menghitung konsentrasi klorofil-a pada kasus perairan 2. Mengacu pada Tabel 5, algoritma rasio band 2/4 memberikan hasil pengukuran atau estimasi yang paling baik bila dibandingkan dengan algoritma lainnya. Dengan begitu, persamaan polynomial orde 3 dari rasio band 2/4 pada Tabel 3 dapat digunakan sebagai algoritma yang tepat untuk mengestimasi konsentrasi klorofil-a di perairan Pulau Pari. Berikut bentuk persamaan polynomial orde 3 yang dapat digunakan sebagai algoritma untuk menghitung konsentrasi klorofil-a di periran Pulau Pari: C = 10.2 - 18.819x + 11.443x2 -2.2732x3...........………………………………..(10) x = (Rrs 444 / Rrs 551)………………………...………..……..…………………(11)
16 Variabel C merupakan konsentrasi klorofil-a, Rrs adalah remote-sensing reflectance, dan x merupakan rasio dari nilai remote sensing reflectance band 2 dan band 4. Persamaan polynomial orde 3 tersebut merupakan algoritma yang dapat digunakan untuk menghitung konsentrasi klorofil-a di perairan Pulau Pari. Algoritma rasio band 2/4 dapat memberikan hasil estimasi yang lebih baik karena telah disesuaikan dengan kondisi perairan Pulau Pari serta pengaruh dari pantulan partikel terlarut yang ada di perairan tersebut telah diminimalkan. Hal ini terlihat dari RMSE yang lebih kecil. Satelit VIIRS S-NPP memiliki akurasi yang lebih baik dalam mengestimasi konsentrasi klorofil-a dibandingkan dengan pengukuran menggunakan citra satelit lainnya. Hal ini dapat ditunjukkan dengan membandingkan nilai RMSE dari citra satelit VIIRS S-NPP dengan satelit lainnya. RMSE dari estimasi klorofil-a menggunakan citra satelit selain VIIRS S-NPP tertera pada Tabel 6. Tabel 6 RMSE hasil estimasi klorofil-a menggunakan berbagai jenis citra satelit Jenis Citra MODIS SeaWiFS ASTER Landsat ETM+ MODIS
Lokasi Penelitian Laut Cina Selatan Laut Cina Selatan Selat Madura Selat Madura Perairan Pulau Pari
RMSE 0.469 0.273 1.468 1.033 0.136
Referensi Pan et al. (2010) Pan et al. (2010) Muhsoni (2009) Muhsoni (2009) Subaweh (2014)
Berdasarkan Tabel 6, nilai RMSE hasil estimasi klorofil-a menggunakan citra satelit lain memiliki nilai yang besar. Hal ini menunjukkan lemahnya akurasi dari satelit-satelit tersebut dalam mengestimasi konsentrasi klorofil-a di lautan. Nilai RMSE dari estimasi klorofil-a menggunakan citra satelit VIIRS S-NPP dengan Algoritma OC3V, rasio band 2/4, dan rasio band 3/4 yang tertera pada Tabel 5 mememiliki nilai yang lebih kecil bila dibandingkan dengan hasil estimasi citra satelit lainnya pada Tabel 6. Hal ini menunjukkan akurasi satelit VIIRS S-NPP lebih baik dibandingkan satelit-satelit tersebut, khususnya estimasi menggunakan algoritma rasio band 2/4 di perairan Pulau Pari.
17
KESIMPULAN DAN SARAN Kesimpulan Konsentrasi klorofil-a hasil estimasi citra satelit S-NPP dengan algoritma OC3V memiliki konsentrasi klorofil-a berkisar antara 0.371 – 3.770 mg/m3 sedangkan konsentrasi klorofil-a pengukuran in-situ sebesar 0.008 – 3.711 mg/m3. Algoritma OC3V kurang sesuai untuk pengukuran konsentrasi klorofil-a di perairan Pulau Pari. Pengukuran dengan algoritma OC3V memberikan hasil yang jauh lebih tinggi dibandingkan pengukuran in-situ. Akurasi algoritma rasio band 2/4 lebih tinggi dibandingkan OC3V yang ditunjukkan dengan nilai RMSE yang lebih rendah. Nilai RMSE dari algoritma rasio band 2/4 sebesar 0.0171 sedangkan Algoritma OC3V sebesar 0.1277. Algoritma rasio band 2/4 memberikan hasil pengukuran konsentrasi klorofil-a yang lebih baik di perairan Pulau Pari dibandingkan algoritma OC3V. Bentuk persamaan algoritma rasio band 2/4 yakni C = 10.2 - 18.819x + 11.443x2 -2.2732x3.
Saran Pengambilan sampel klorofil-a in-situ di Pulau Pari masih terbatas secara spasial dan juga temporal. Oleh karena itu, perlu diperbanyak kembali stasiun pengambilan sampel serta waktu pengambilan dilakukan pada berbagai musim yang berbeda.
DAFTAR PUSTAKA [APHA] American Public Health Association. 2005. Standard Methods for The examination of Water and Wastewater. Washington (US): APHA. Baker N. 2011. Joint Polar Satellite Systems (JPSS) VIIRS Ocean Color/Chlorophyll Algorithm Theoretical Basis Document (ATBD). Maryland (US): NASA/GFSC. Camps-Vaals G, Gomez-Chova L, Munoz-Mari J, Vila-Frances J, Amaros-Lopez, Calpe-Maravila J. 2006. Retrieval of Oceanic Chlorophyll Concentration with Relevance Vector Machines. Remote Sensing of Environmental 105: 23-33 Carder KL, Chen FR, Lee Z, Hawes SK, Cannizzaro SK. 2003. Case 2 chlorophylla Algorithm theoretical basis document ATBD 19. MODIS Ocean Science Team. University of South Florida, St. Petersburg. Eleveld MA, Wagtendonk AJ, Pasterkamp R, De Reus NO. 2007. WaTeRS: an open Web Map Service with near-real time MODIS Level-2 standard chlorophyll product of the North Sea. International Journal of Remote Sensing 28(16): 3693-3699 Gomez RA. 2014. Spectral Reflectance Analysis of the Caribbean Sea. Geofisica Internacional 53 (4): 385-398.
18 Han L, Jordan KJ. 2005. Estimating and mapping chlorophyll-a concentration in Pensacola Bay, Florida using Landsat ETM+ data. International Journal of Remote Sensing 26: 5245-5254. Jeffrey SW. 1980. Algal Pigmen System in Primary Production in The Sea. New York (US): P.G. Falhawsky Plenum Press. Karabulut M, Ceylan N. 2005. The Spectral Reflectance Responses of Water with Different Levels of Suspended Sediment in The Presence of Algae. Turkish Journal Engginering Enviromental Science 29: 351 – 360 Kawamura H. 1998. OCTS Mission Overview. Journal of Oceanography 54: 383399. Kirk JTO. 1994. Light and Photosynthesis in Aquatic Ecosystem. 2nd ed. Cambridge University Press. Cambridge, 509 pp. Matsuoka A, Huot Y, Shimada K, Saitoh S, Babin M. 2007. Bio-optical Characteristics of The Western Arctic Ocean: Implications for Ocean Color Algorithms. Canada Journal Remote Sensing 33(6): 503 -518. Menken K, Brezonik PL, Bauer ME. 2005. Influence of Chlorophyll and Colored Dissolved Organic Matter (CDOM) on Lake Reflectance Spectra: Implications for Measuring Lake Properties by Remote Sensing. Lake and Reservoir Management, University of Minnesota. Morel A, Gentili B. 2009. A Simple Band Ratio Technique to Quantify The Colored Dissolved and Detrital Organic Material from Ocean Color Remotly Sensed Data. Remote Sensing of Enviromental 113: 998-1011 Muhsoni FF, Efendy M, Triajie H. 2009. Pemetaan Lokasi Fishing Ground dan Status Pemanfaatan Perikanan di Perairan Selat Madura. Jurnal Fisika FLUX 6 (1): 50 – 64 Nababan, B., Wirapramana, A.A.G., Arhatin, R.E. 2013. Spektral Remote Sensing Reflektansi Permukaan Air Laut. Jurnal Ilmu dan Teknologi Kelautan Tropis, Vol. 5, No. 1, Hlm. 69-84 Nontji A. 2002. Laut Nusantara. Jakarta: Penerbit Djambatan. Pan Y, Tang D, Weng D. 2010. Evaluation of the SeaWiFS and MODIS Chlorophyll a Algorithms Used for the Northern South China Sea during the Summer Season. Journal of Terrestrial, Atmospheric and Oceanic Sciences 21(6):997-1005. Putra E. 2012. Variabilitas Konsentrasi Klorofil-A dan Suhu Permukaan Laut Dari Citra Satelit MODIS Serta Hubungannya dengan Hasil Tangkapan Ikan Pelagis Di Perairan Laut Jawa [skripsi]. Bogor: Institut Pertanian Bogor Robinson IS. 2004. Measuring the Oceans from Space: The Principles and Methods of Satellite Oceanography. Chichester (UK): Praxis Publishing Ltd. Sachoemar S. 2008. Karakteristik Lingkungan Perairan Kepulauan Seribu. JAI. 4(2): 109-114 Subaweh DA. 2014. Estimasi Konsentrasi Klorofil-a dari Citra Aqua MODIS di Perairan Pulau Pari, Kepulauan Seribu, DKI Jakarta [skripsi]. Bogor: Institut Pertanian Bogor Sukoraharjo SS. 2012. Variabilitas Konsentrasi Klorofil-a di Perairan Selat Makasar: Pendekatan Wavelet. Jurnal Segara 8(2): 77-87 Srokosz MA. 2000. Biological Oceanography by Remote Sensing. In: Encyclopedia of Analytical Chemistry. Chichester (GB): John Wiley & Sons Ltd.
19 Turpie KR, Balch B, Bowler B, Franz BA, Frouin R, Gregg W, McClain CR, Rousseaux C, Siegel D, Wang M, Eplee G, Robinson W. 2013. Quality Assesment of the Visible Infrared Imaging Radiometer Suite (VIIRS) Ocean Color Environment Data Records. US: NASA. Tzortziou M, Subramaniam A, Herman JR, Gallegos CL, Neale PJ, Harding Jr LW. 2007. Remote Sensing Reflectance and Inherent Optical Properties in The Mid Chesapeake Bay. Estuarine, Coastal, and Shelf Science 72: 16-32 Walpole RE. 2012. Probability and Statistics for Engineers and Scientists. Boston (US): Pearson Education Inc. Xiong X, Chiang K, McIntire J, Oudrari H, Wu A, Schwaller M, Butler J. 2012. Early Assessment of VIIRS on-Orbit Calibration and Support Activities. Institute of Electrical and Electronics Engineers (IEEE). International Geoscience and Remote Sensing Symposium (IGARSS); 2012 juli 22-27; Munich. Germany. Munich (Germany): IEEE Munich hal 7189-7192.
20 LAMPIRAN 1 Selisih konsentrasi klorofil-a hasil estimasi algoritma OC3V, Rasio Band 2/4, Rasio Band 3/4 dengan konsentrasi klorofil-a in-situ
Stasiun 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33
Selisih konsentrasi klorofil-a (mg/m3) OC3V Rasio 2/4 Rasio 3/4 1.563 0.07912 0.132 0.49 0.13505 0.34 0.255 0.12122 0.109 0.223 0.03527 0.02 0.631 0.02109 0.019 0.24 0.03664 0.06 0.205 0.06507 0.084 0.262 0.03446 0.036 0.294 0.03569 0.028 0.363 0.09537 0.082 0.374 0.1481 0.135 0.455 0.00414 0.041 1.947 1.28614 1.22 0.152 0.10627 0.091 0.74 0.13009 0.128 0.316 0.09663 0.079 0.252 0.02858 0.021 0.253 0.00188 0.022 0.129 0.12215 0.132 0.343 0.08528 0.074 0.306 0.04484 0.035 0.293 0.04917 0.033 0.23 0.00704 0.021 0.262 0.02272 0.024 0.342 0.10886 0.072 0.416 0.02063 0.014 0.505 0.06823 0.019 0.219 0.01637 0.016 0.75 0.05653 0.125 0.27 0.01173 0.027 1.614 2.17015 2.209 1.405 1.71951 2.216 1.565 0.29651 0.081
21 LAMPIRAN 2 Kondisi fisik dan kimia perairan Pulau Pari Stasiun ST.1 ST.2 ST.3 ST.4 ST.5 ST.6 ST.7 ST.8 ST.9 ST.10 ST.11 ST.12 ST.13 ST.14 ST.15 ST.16 ST.17 ST.18 ST.19 ST.20 ST.21 ST.22 ST.23 ST.24 ST.25 ST.26 ST.27 ST.28 ST.29 ST.30 ST.31 ST.32 ST.33
Koordinat Bujur o 106 35’ 9.60’’ 106o 35’ 50.82’’ 106o 36’ 54.60’’ 106o 37’ 16.08’’ 106o 37’ 5.52’’ 106o 35’ 42.00’’ 106o 34’ 19.20’’ 106o 34’ 30.00’’ 106o 35’ 13.20’’ 106o 36’ 10.80’’ 106o 37’ 1.20’’ 106o 37’ 58.80’’ 106o 38’ 27.60’’ 106o 37’ 26.40’’ 106o 37’ 8.28’’ 106o 36’ 5.46’’ 106o 35’ 0.42’’ 106o 33’ 58.56’’ 106o 34’ 7.56’’ 106o 34’ 45.90’’ 106o 35’ 34.20’’ 106o 36’ 28.50’’ 106o 37’ 25.20’’ 106o 38’ 10.68’’ 106o 38’ 20.58’’ 106o 38’ 32.70’’ 106o 38’ 15.72’’ 106o 37’ 59.46’’ 106o 37’ 31.56’’ 106o 37’ 23.52’’ 106o 36’ 43.80’’ 106o 36’ 21.06’’ 106o 35’ 18.78’’
Lintang o - 6 0’ 42.60’’ - 5o 58’ 11.40’’ - 5o 53 ’35.40’’ - 5o 51’ 48.00’’ - 5o 51’ 59.40’’ - 5o 05’ 14.40’’ - 5o 05’ 10.80’’ - 5o 0’ 30.06’’ - 5o 05’ 3.60’’ - 5o 0’ 30.00’’ - 5o 05’ 3.60’’ - 5o 05’ 4.80’’ - 5o 05’ 7.80’’ -5o 05’ 10.80’’ - 5o 52’ 1.80’’ - 5o 52’ 43.80’’ - 5o 52’ 36.60’’ - 5o 51’ 52.80’’ - 5o 51’ 2.40’’ - 5o 50’ 37.20’’ - 5o 50’ 12.00’’ - 5o 05’ 0.60’’ - 5o 50’ 18.00’’ - 5o 50’ 39.00’’ - 5o 51’ 4.80’’ - 5o 51’ 31.20’’ - 5o 51’ 56.40’’ - 5o 52’ 17.40’’ - 5o 52’ 24.00’’ - 5o 52’ 1.80’’ - 5o 54’ 33.60’’ - 5o 56’ 36.00’’ - 5o 59’ 30.60’’
pH 7 7 7 7 7 8 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 8 8
TSS Suhu (mg/m3) (oC) 17000 28,4 16000 28,47 17000 28,2 17000 28,3 12000 29 16000 28,9 21000 28,5 18000 28,5 28000 28,6 17000 28,6 15000 28,7 24000 28,6 17000 28,4 23000 28,5 21000 27,5 17000 28,1 10000 28,2 26000 28,2 20000 28,1 17000 28,1 21000 28,1 19000 28,1 16000 28,1 13000 28,1 22000 28,1 25000 28,1 21000 28,2 20000 28,2 13000 28,2 16000 28,2 19000 28,8 15000 29,1 16000 29,3
22 LAMPIRAN 3 Spesifikasi kanal pada sensor satelit VIIRS Suomi-NPP
Band I1 I2 I3 I4 I5 M1 M2 M3 M4 M5 M6 M7 M8 M9 M10 M11 M12 M13 M14 M15 M16
Primary Parameter Vis Imagery/NDVI Land Imagery/NDVI Snow/ice Imagery Clouds Imagery Clouds Ocean color/aerosol Ocean color/aerosol Ocean color/aerosol Ocean color/aerosol Ocean color/aerosol atmosphere correction Ocean color/aerosol cloud particle snow grain size Ci Cloud detection Snow fraction Clouds/Aerosol SST SST/Fire detection Cloud Top SST SST
Wave length 0.600 - 0.680 0.846-0.885 1.580-1.640 3.550 - 3.930 10.50 - 12.40 0.402 - 0.422 0.436 - 0.454 0.478 - 0.498 0.545 - 0.565 0.662 - 0.682 0.739 - 0.754 0.846 - 0.885 1.230 - 1.250 1.371 - 1.386 1.580 - 1.640 2.225 - 2.275 3.660 - 3.840 3.973 - 4.128 8.400 - 8.700 10.263 - 11.263 11.538 - 12. 488
Resolusi Spasial (km) nadir edge 0.375 0.8 0.375 0.8 0.375 0.8 0.375 0.8 0.375 0.8 0.75 1.6 0.75 1.6 0.75 1.6 0.75 1.6 0.75 1.6 0.75 1.6 1.6 0.75 1.6 0.75 0.75 0.75 0.75 0.75 0.75 0.75 0.75 0.75
1.6 1.6 1.6 1.6 1.6 1.6 1.6 1.6
23 LAMPIRAN 4 Nilai remote sensing reflectance pada setiap kanal dan rasio band
Stasiun 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33
Rasio band 2/4 0.67175 0.71880 1.67124 2.05627 1.18447 1.84943 1.84707 1.76946 1.81845 1.82981 1.85360 1.56038 0.79254 2.05627 1.18447 1.93855 2.00247 1.88381 1.83197 1.83392 1.82320 1.87475 1.96054 2.01823 1.56038 1.64107 1.42121 2.01847 1.20043 2.05627 1.18702 0.67814 0.62497
Remote sensing reflectance (Sr^-1) Rasio band Band 2 Band 3 Band 4 3/4 (443 m) (486 nm) (551 nm) 0.74491 0.00687 0.00762 0.01022 0.87305 0.00600 0.00729 0.00835 1.81751 0.01084 0.01179 0.00649 2.11220 0.01213 0.01246 0.00590 1.38946 0.01120 0.01314 0.00945 1.92011 0.01287 0.01336 0.00696 1.94673 0.01127 0.01188 0.00610 1.92773 0.01082 0.01179 0.00612 1.98901 0.01092 0.01194 0.00600 1.95882 0.01133 0.01213 0.00619 2.06324 0.01061 0.01181 0.00572 1.74815 0.01057 0.01184 0.00677 0.93061 0.01885 0.02213 0.02378 2.11220 0.01213 0.01246 0.00590 1.38946 0.01120 0.01314 0.00945 2.06987 0.01104 0.01179 0.00570 2.09915 0.01135 0.01190 0.00567 1.97556 0.01125 0.01180 0.00597 1.99983 0.01055 0.01152 0.00576 1.98045 0.01098 0.01185 0.00599 1.97876 0.01133 0.01230 0.00622 2.00368 0.01121 0.01198 0.00598 2.02478 0.01282 0.01324 0.00654 2.06686 0.01262 0.01292 0.00625 1.74815 0.01057 0.01184 0.00677 1.72514 0.01218 0.01280 0.00742 1.58268 0.01169 0.01302 0.00822 2.07992 0.01202 0.01239 0.00596 1.33883 0.01239 0.01381 0.01032 2.11220 0.01213 0.01246 0.00590 1.44133 0.00991 0.01204 0.00835 0.88149 0.00552 0.00717 0.00813 0.73833 0.00608 0.00718 0.00972
24 LAMPIRAN 5 Perhitungan koefisien korelasi dan determinasi
Rumus koefisien korelasi:
− (∑
∑
)(∑
− (∑
| ∑
=
)
)| − (∑
∑
)
Data tertera pada lampiran 6 dimana xi adalah log Rrs 443 / Rrs 551 dan yi adalah klorofil-a in-situ
∑ = 60 x ((0.67175 x 2.112) + (0.71880 x 1.876) + (1.67123 x 0.22) + (2.05627 x 0.158) +….+(0.624974 x 2.205)) = 634.279
(∑
)(∑
)=
(0.67175 + 0.71880 + 1.67123+ ..+ 0.624974) x (2.112 + 1.876 + 0.22+…+2.205) = 486.968
− (∑
∑
)(∑
)=
11.6378- 58.91759 = 147.3112
∑
=
30 x ((0.67175)2 + (0.71880)2 +…+ (0.624974)2) = 2627.566
(∑
) =
(0.67175 -0.71880 + 0.223039 + ..+ 0.624974)2 = 2476.228 ) = 2627.566- 2476.228= 151.3381 ∑ − (∑
∑
= 2
30 x (2.112 + 1.8762 +…+ 2.2052) = 402.6398
(∑
(2.112 + 1.876 +…+ 2.205)2 = 95.7658 ) = 402.6398 - 95.7658 = 306.874 ∑ − (∑
) =
∑ (151.3381
− (∑
)
∑
306.874) = 215.5035
r = 147.3112 / 215.5035 = 0.683568
R2 = r2 x 100% = 0.6835682 x 100% = 0.466489 x 100% = 46.6489 %
− (∑
)
=
25 LAMPIRAN 6 Data klorofil-a in-situ dan citra satelit yang digunakan untuk analisis regresi
Stasiun 1 2 3 4 5 6 7 8 9 10 11 12 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 33
Rrs 443/ Rrs 551
Rrs 486 / Rrs 551
Klorofil-a In-situ
(Sv-1)
(Sv-1)
(mg/m3)
0.671752771 0.718802429 1.671239107 2.056271112 1.184472162 1.849425165 1.847074157 1.769456913 1.818454231 1.829807677 1.85359883 1.560377833 2.056271112 1.184472162 1.938553206 2.00246983 1.88381038 1.831973448 1.833918035 1.823198066 1.874749018 1.960538244 2.018234002 1.560377833 1.6410671 1.421206114 2.018468736 1.20042642 2.056271112
0.744913924 0.873053907 1.817509122 2.112203309 1.389464736 1.92011481 1.946729896 1.927730391 1.989007213 1.958824372 2.06324241 1.748154599 2.112203309 1.389464736 2.069873408 2.099152947 1.975556558 1.999826315 1.980451014 1.978764241 2.003678595 2.024778063 2.066858435 1.748154599 1.725141467 1.582684632 2.079919367 1.338825224 2.112203309
0.624974283
0.738325433
2.112 1.876 0.22 0.158 0.165 0.192 0.22 0.169 0.113 0.056 0.008 0.056 0.064 0.119 0.162 0.274 0.067 0.105 0.11 0.165 0.119 0.108 0.11 0.158 0.11 0.111 0.158 0.11 0.111 2.205
26 LAMPIRAN 7 Perhitungan root mean square error (RMSE)
Rumus RMSE : 2 ∑N i=1 (Zi-Zj) n(n-1)
Nilai Zi merupakan konsentrasi kolorifil-a hasil estimasi rasio band 2/4 dan Zj merupakan konsentrasi klorofil-a in-situ. Data tertera pada Tabel 1.
2 ∑N i=1 (Zi-Zj) =
((2.032 – 2.112)2 + (1.7409 – 1.876)2 + (0.098780 – 0.22)2 + (0.12273 – 0.158)2 +….+(2.501504 – 2.205)2) = 0.253972
n(n-1) = 30 x ( 30 – 1) = 870 2 ∑N i=1 (Zi-Zj)
n(n-1)
=
RMSE = 0.017086
0.25397 870
= 0.017086
27 RIWAYAT HIDUP
Penulis dilahirkan di Jember pada tanggal 13 November 1991 sebagai anak pertama dari pasangan Hanan Yusuf dan Mamik Laksmi Bundari. Penulis merupakan lulusan dari Sekolah Menengah Atas Negeri 1 Jember, Jawa Timur pada tahun 2010. Pendidikan Sarjana ditempuh di Departemen Ilmu dan Teknologi Kelautan. Fakultas Perikanan dan Ilmu Kelautan. Institut Pertanian Bogor. Selama menempuh pendidikan sarjana penulis pernah menjadi bagian dari tim asisten pengajar praktikum mata kuliah Biologi Laut pada tahun 2014 dan mata kuliah Pendidikan Agama Islam tahun 2013. Selain itu penulis juga aktif mengikuti kegiatan kemahasiswaan pada Ikatan Keluarga Muslim Tingkat Persiapan Bersama pada tahun 2010/2011, Dewan Perwakilan Mahasiswa FPIK pada tahun 2011/2012, dan Forum Keluarga Muslim Fakultas Perikanan dan Ilmu Kelautan tahun 2012-2013. Sebagai syarat memperoleh gelar sarjana. Penulis mengangkat tema penelitian dan karya tulis berupa arus laut dengan judul skripsi “Estimasi Konsentrasi Klorofil-a Menggunakan Citra Satelit VIIRS Suomi-NPP di Perairan Pulau Pari, Kepulauan Seribu, DKI Jakarta”
