2015 PUSAT PEMANFAATAN PENGINDERAAN JAUH
LAPAN
Pedoman Pengolahan Data Penginderaan Jauh Landsat 8 untuk MPT
LI 1 03 007 09 01
Pedoman Pengolahan Data Penginderaan Jauh Landsat 8 untuk MPT
PUSAT PEMANFAATAN PENGINDERAAN JAUH LEMBAGA PENERBANGAN DAN ANTARIKSA NASIONAL 2015 i
ii
KATA PENGANTAR Puji syukur kehadirat Allah SWT bahwa Panduan Penyusunan Pedoman Pengolahan Data Penginderaan Jauh telah dapat diselesaikan dengan baik. Pedoman ini disusun sebagai salah satu tugas Pusat Pemanfaatan Penginderaan Jauh (Pusfatja) Lembaga Penerbangan dan Antariksa Nasional (LAPAN) untuk merumuskan “Pedoman Pengolahan Data Penginderaan Jauh Landsat 8 untuk MPT” sebagai amanat Undang-Undang No. 21 tahun 2013. Berbagai pihak yang telah memberikan kontribusi baik langsung maupun tidak langsung dalam membuat buku penyusunan pedoman ini, untuk itu perkenankan kami mengucapkan terimakasih kepada : 1. Segenap pimpinan LAPAN yang telah memberikan segala bentuk naungan dan dukungan dalam kegiatan ini. 2. Para narasumber yang telah mencurahkan segala kemampuan dan ilmunya demi terwujudnya buku panduan penyusunan podoman ini. 3. Tim penyusun, tim verifikasi dan tim pelaksana dari instansi sektoral terkait maupun dari kalangan intern yang telah bekerja keras hingga terselesaikannya buku panduan penyusunan pedoman ini. Akhir kata, tak ada gading yang tak retak, kritik dan saran kami harapkan demi perbaikan buku pedoman ini pada masa yang akan datang. Semoga buku ini dapat bermanfaat bagi para pengguna.
Jakarta, 14 Desember 2015 Pusat Pemanfaatan Penginderaan Jauh DAFTAR ISI Lembaga Penerbangan dan Antariksa Nasional Kepala
Dr. M. Rokhis Khomarudin, M.Si NIP : 197407221999031006
iii
iv
DAFTAR ISI Halaman: KATA PENGANTAR DAFTAR ISI DAFTAR TABEL DAFTAR GAMBAR DAFTAR RUMUS BAB I. PENDAHULUAN 1.1 Latar Belakang 1.2 Tujuan 1.3 Ruang Lingkup 1.4 Acuan Normatif 1.5 Definisi Umum 1.6 Daftar Istilah BAB II. TAHAP PENGOLAHAN 2.1 Pemetaan Unit Pedoman 2.2 Diskripsi Unit 2.3 Metodologi 2.3.1. Bahan dan Material 2.3.2. Peralatan 2.3.3. Sumberdaya Manusia 2.3.4. Tahapan Pengolahan Data 2.3.5. Uji Akurasi BAB III. PENUTUP DAFTAR PUSTAKA.
Iii v vi vii viii 1 1 1 1 2 2 3 4 4 4 5 5 7 7 7 13 14 14
v
DAFTAR TABEL
Halaman: Tabel 1. Tabel 2.
vi
Tahapan dan Uraian Pengolahan Data Penginderaan Jauh Landsat 8 untuk MPT Karakteristik Landsat 8
4 6
DAFTAR GAMBAR Halaman: Gambar 1. Gambar 2. Gambar 3. Gambar 4. Gambar 5. Gambar 6. Gambar 7.
Contoh data Landsat 8 Peralatan Survei Koreksi Geometrik Hasil Koreksi Radiometrik dengan Menggeser Histogram Koreksi Radiometrik Metode Regresi Citra Hasil Cropping Lokasi Penelitian Klasifikasi Supervised MPT
6 7 8 9 10 11 12
vii
DAFTAR RUMUS Halaman: Rumus 1.
viii
Algoritma yang Digunakan untuk Menghitung OIF
10
Pedoman Pengolahan Data Penginderaan Jauh Landsat 8 untuk MPT Bab I Pendahuluan 1.1 Latar Belakang Muatan Padatan Tersuspensi (MPT) adalah semua zat/material padat yang tersuspensi didalam air. Zat padat yang tersuspensi tersebut dapat berupa lumpur, tanah liat sampai pasir dan zat lainnya atau partikel partikel lainnya. Dapat berupa komposisi komponen hidup (biotic) seperti phytoplankton, zat padat juga dapat berupazooplankton,bakteri ataupun komponen mati (abiotik) dan partikel anorganik lainnya. MPT merupakan tempat berlangsungnya reaksi kimia yang heterogen dan berfungsi sebagai bahan pembentuk endapan yang paling awal dan dapat menghalangi kemampuan produksi zat organik di perairan. Penetrasi cahaya matahari ke permukaan dan bagian yang lebih dalam tidak berlangsung sempurna akibatnya fotosintesa tidak berlangsung sebagaimana mestinya.Pada umumnya material tersuspensi dapat berasal dari aliran sungaiberupa hasil pelapukan, material darat, oksihidroksida, dan bahan pencemar; dari atmosfer berupa debudebu atau abu yang melayang; dari laut berupa sedimen anorganik yang terbentuk dilaut, dan sedimen biogenousdari sisa rangka organisme dan bahan organik lainnya; serta dari estuari berupa hasil flokulasi, presipitasi sedimen dan produksi biologis organisme estuary. Padatan tersuspensi dapat membuat perairan alami menjadi lebih keruh dan bahkan membentuk endapan organik di dasarperairan. Sebaran MPT dapat diukur dengan teknologi inderaja. Pada dasarnya, MPT berkaitan dengan total hamburan partikel balik dari dalam kolom air yang diambil dengan menggunakan data satelit pada spektrum sinar tampak. Hubungan antara total hamburan dan kandungan MPT mungkin bervariasi dalam hal ukuran tiap partikel. Oleh sebab itu kalibrasi suatu lokasi perlu dilakukan untuk meningkatkan nilai akurasi MPT. Pedoman ini dibuat untuk pengolahan data citra Landsat 8. Landsat 8 adalah generasi terbaru menggantikan Landsat 7 yang memiliki sensor Onboard Operational Land Imager (OLI) dan Thermal Infrared Sensor (TIRS) dengan jumlah kanal sebanyak 11 dimana kanal 1-9 berada pada OLI dan kanal 10 dan 11 pada TIRS. Data citra satelit Landsat 8 memiliki resolusi spasial 30 m untuk kanal 1, 2, 3, 4, 5, 6,7, dan kanal 9 sedangkan kanal panchromatic memiliki resolusi spasial 15 m. Selain beresolusi spasial 30 m dan 15 m, pada kanal 10 dan 11 yang merupakan kanal TIR-1 dan TIR-2 memiliki resolusi spasial 100 m. Kelebihan data Landsat 8 adalah adanya kanal Near Infra Red (NIR-Kanal 5) sehingga dengan menggunakan kombinasi RGB yang tepat akan menunjukkan sebaran MPT. 1.2. Tujuan Tujuan penyusunan pedoman adalah untuk menyediakan petunjuk teknis dalam pengumpulan dan pengolahan data penginderaan jauh untuk identifikasi parameter MPT yang sesuai dengan prosedur yang telah disepakati. 1
1.3.
Ruang Lingkup Dokumen ini sebagai petunjuk teknis untuk identifikasi tanaman mangrove yang terdiri dari pra pengolahan data, pengolahan data secara visual, dan pengolahan data secara digital. Tahapan pengolahan data penginderaan jauh sebagai berikut: A. Pra Pengolahan Data i. Koreksi Geometris Citra ii. Koreksi Radiometris Citra B. i. ii. iii.
Pengolahan Data Secara Visual Penyusunan Komposit Warna Penajaman Digital (Digital Enhancement) Pemotongan Citra (Cropping)
C. i. ii. D.
Pengolahan Data Secara Digital Klasifikasi Tidak terbimbing (Unsupervised) Klasifikasi Terbimbing (Supervised) Uji Akurasi
1.4.
Acuan Normatif Pedoman Teknik Pengolahan Data Penginderaan Jauh Landsat 8 untuk MPT ini mengacu kepada UU Keantariksaan No 21, Tahun 2013. 1.5.
Definisi Umum Penginderaan jauh adalah seni dan ilmu teknologi dalam memperoleh informasi mengenai obyek dan atau fenomena di permukaan bumi yang direkam dengan alat tertentu (sensor) tanpa adanya kontak langsung dengan objek, daerah, atau fenomena yang dikaji. Data raster adalah data permukaan bumi yang disimpan dalam bentuk grid atau piksel sehingga membentuk suatu ruang yang teratur yang diperoleh dari citra perekaman foto atau radar dengan wahanaUnmanned Aerial Vehicle (UAV), pesawat, atau satelit. Citra adalah gambaran kenampakan permukaan bumi hasil penginderaan pada spektrum elektromagnetik tertentu yang ditampilkan pada layar atau disimpan pada media rekam. Satelit adalah benda angkasa yang mengitari benda angkasa lain yang berukuran lebih besar/ benda buatan yang dirancang untuk mengitari bumi. Resolusi adalah kemampuan semua jenis pengindera (lensa, antena, tayangan, bukaan rana, dll.) untuk menyajikan citra tertentu dengan tajam. Ukuran dapat dinyatakan dengan baris per mm atau meter. Resolusi spektral adalah Julat (range) spectrum elektromagnetik yang dipergunakan oleh perangkat pengindera. Resolusi temporal adalah Ukuran perulangan pengambilan data oleh satelit tersebut pada lokasi yang sama di permukaan bumi. Resolusi spasial adalah Ukuran objek terkecil yang dapat dibedakan dengan objek lain. Pada citra raster berarti ukuran 1 (satu) pixel data di lapangan. Pada citra optik (fotografik) 1 (satu) detik busur medan pandang di lapangan. Resolusi radiometrik adalah Julat (range) representasi/kuantisasi data, biasanya dipergunakan untuk format raster. Band/ kanal adalah Suatu julat spectrum elektromagnetik yang dirancang untuk kepentingan misi tertentu pada sebuah pengindera. Sebuah pengindera sekurangkurangnya memiliki satu saluran, atau Sekumpulan data berisi nilai-nilai yang 2
disimpan dalam suatu berkas (file) yang menggambarkan spectrum elektromagnetik tertentu. Multispektral adalah Perangkat pengindera yang terdiri atas kurang dari 10 (sepuluh) spectrum elektromagnetik yang berbeda. 1.6.
Daftar Istilah
Data geospasial
Data raster
MPT
Pantai
Penginderaan jauh
Pesisir
Data yang memiliki referensi ruang kebumian (georeference) dimana berbagai data atribut terletak dalam berbagai unit geospasial data yang disimpan dalam bentuk grid atau piksel sehingga terbentuk suatu ruang yang teratur, data ini merupakan data geospasial permukaan bumi yang diperoleh dari citra perekaman foto atau radar dengan wahana Unmanned Aerial Vehicle (UAV), pesawat atau satelit. Bahan tersuspensi dengan diameter >1m yang terdiri dari lumpur, pasir halus dan mikroorganisme yang disebabkan oleh erosi tanah ke perairan. Daerah pasang surut antara pasang tertinggi dan surut terendah. Ilmu untuk mendapatkan informasi tentang obyek, daerah atau gejala di permukaan bumi yang direkam dengan alat tertentu (device), yang diperoleh tanpa kontak langsung terhadap obyek, daerah atau gejala yang dikaji. Merupakan daerah pertemuan antara darat dan laut; kearah darat meliputi bagian daratan, baik kering maupun terendam air, yang masih dipengaruhi sifat – sifat laut seperti pasang surut, angin laut, dan perembesan air asin; sedangkan kearah laut meliputi bagian laut yang masih dipengaruhi oleh proses – proses alami yang terjadi di darat seperti sedimentasi dan aliran air tawar, maupun yang disebabkan oleh kegiatan manusia di darat seperti penggundulan hutan dan pencemaran.
Peta
Gambaran dari unsur – unsur alam dan/atau unsur – unsur buatan, yang berada di atas maupun di bawah permukaan bumi yang digambarkan pada suatu bidang datar dengan skala tertentu.
Skala
Angka perbandingan antara jarak dua titik di atas peta dengan jarak tersebut di permukaan bumi Aspek keruangan suatu objek atau kejadian yang mencakup lokasi, letak, dan posisinya. Nilai yang menunjukan kuat/tidaknya hubungan linier antar dua variabel
Geospasial Koefisien Korelasi
3
Bab II Tahapan Pengolahan 2.1.
Pemetaan Unit Pedoman
Kode Unit
:
LI 1 03 007 09 01
Judul Unit
:
Pengolahan MPT
2.2.
Diskripsi Unit
Pedoman teknis ini dibuat sebagai acuan untuk melakukan identifikasi sebaran MPT. Metode yang digunakan adalah klasifikasi supervised dan unsupervised. Tabel 1. Tahapan dan Uraian Pengolahan Data Penginderaan Jauh Landsat 8 untuk MPT Tahapan Uraian 1. Mempersiapkan 1.1. Mempersiapkan perangkat keras dan perangkat perangkat dan data lunak pengolahan citra . 1.2. Mempersiapkan software sesuai dengan kebutuhan 1.3. Mempersiapkan data yang akan digunakan 1.4. Mempersiapkan metode yang akan digunakan 1.5. Mempersiapkan informasi pendukung lainnya (data lapangan, peta rupa bumi, dan lain sebagainya) 2. Melakukan pra 2.1. Melakukan koreksi geometrik. Melakukan koreksi pengolahan data radiometris. 3. Melakukan interpretasi 3.1. Penyusunan komposit warna dengan menggunakan metode Optimum Index Factor (OIF) pada citra yang data secara visual telah terkoreksi. 3.2. OIF digunakan untuk menentukan kombinasi tiga kanal terbaik untuk menggambarkan informasi tertentu. Semakin besar nilai OIF yang dihasilkan semakin banyak informasi warna yang diperoleh dan sedikit duplikasi informasi, sehingga dapat dikatakan bahwa nilai OIF tertinggi merupakan kombinasi kanal yang terbaik. 3.3. Melakukan Formulasi Algoritma Identifikasi dengan menggunakan Model Regresi dengan Data Lapangan. 3.4. Melakukan penajaman citra untuk mendapatkan tampilan yang tajam. 3.5. Melakukan pemotongan citra pada objek yang dikehendaki sehingga memudahkan analisis. 4. Melakukan klasifikasi 4.1. Mempersiapkan citra terkoreksi 4.2. Melakukan klasifikasi unsupervised dengan input tak terbimbing (Unsupervised) semua kanal pada citra. 4.3. Melakukan reclass pada citra yang telah terklasifikasi dengan mengacu pada tampilan RGB citra ataupun informasi lainnya (data survei, RBI, dan lain sebagainya) 4.4. Melakukan identifikasi objek 5. Melakukan klasifikasi 5.1. Mempersiapkan citra terkoreksi
4
terbimbing (Supervised)
6. Uji akurasi hasil klasifikasi
7. Penyimpanan data hasil klasifikasi
5.2. Melakukan training area pada objek yang akan diklasifikasi dengan jumlah sampel minimal 30 untuk masing-masing objek. 5.3. Melakukan klasifikasi supervised pada citra 5.4. Melakukan reclass pada citra yang telah terklasifikasi pada tampilan RGB citra ataupun informasi lainnya (data survei, RBI, dan lain sebagainya) 6.1. Uji akurasi dilakukan dengan membandingkan antara nilai dari data lapangan dengan data citra 6.2. Akurasi diperoleh dari hasil analisis regresi data citra dengan data lapangan 7.1. Menyediakan media penyimpanan untuk citra hasil klasifikasi dengan format yang telah ditentukan.
2.3. Metodologi 2.3.1. Bahan dan Material Data yang digunakan adalah data penginderaan jauh berupa raster yang telah terkoreksi radiometrik, geometrik, dan atmosferik yang telah dilakukan oleh PUTEKDATA LAPAN. Data yang diperoleh berupa data reflektans multi spektral dengan format *.tif. Data citra yang digunakan pada pedoman teknis MPT ini adalah data raster sensor optis Landsat 8. Landsat 8 adalah generasi terbaru menggantikan Landsat 7 yang memiliki sensor Onboard Operational Land Imager (OLI) dan Thermal Infrared Sensor (TIRS) dengan jumlah kanal sebanyak 11 dimana kanal 1-9 berada pada OLI dan kanal 10 dan 11 pada TIRS. Data citra satelit Landsat 8 memiliki resolusi spasial 30 m untuk kanal 1, 2, 3, 4, 5, 6,7, dan kanal 9 sedangkan kanal panchromatic memiliki resolusi spasial 15 m. Selain beresolusi spasial 30 m dan 15 m, pada kanal 10 dan 11 yang merupakan kanal TIR-1 dan TIR-2 memiliki resolusi spasial 100 m. Pedoman ini dibuat untuk pengolahan data citra Landsat 8. Landsat 8 adalah generasi terbaru menggantikan Landsat 7 yang memiliki sensor Onboard Operational Land Imager (OLI) dan Thermal Infrared Sensor (TIRS) dengan jumlah kanal sebanyak 11 dimana kanal 1-9 berada pada OLI dan kanal 10 dan 11 pada TIRS. Data citra satelit Landsat 8 memiliki resolusi spasial 30 m untuk kanal 1, 2, 3, 4, 5, 6,7, dan kanal 9 sedangkan kanal panchromatic memiliki resolusi spasial 15 m. Selain beresolusi spasial 30 m dan 15 m, pada kanal 10 dan 11 yang merupakan kanal TIR-1 dan TIR-2 memiliki resolusi spasial 100 m. Kelebihan data Landsat 8 adalah adanya kanal Near Infra Red (NIR-Kanal 5) sehingga dengan menggunakan kombinasi RGB yang tepat akan menunjukkan lokasi sebaran MPT. Pada data Landsat generasi sebelumnya, tingkat keabuan (Digital Number-DN) berkisar pada 0-256 sedangkan pada data cita Landsat 8 memiliki tingkat keabuan 0-4096. Hal ini disebabkan oleh adanya peningkatan sensitifitas yang semula tiap piksel memiliki kuantifikasi 8 bit sekarang telah meningkat menjadi 12 bit. Peningkatan ini menjadikan proses interpretasi objek di permukaan menjadi lebih mudah (Sugiarto, 2013). Spesifikasi kanal untuk Landsat 8 dapat dilihat pada Tabel 2. 5
Tabel 2. Karakteristik Landsat 8
Panjang Gelombang Keterangan µm 1 – aerosol pesisir 0.43 – 0.45 Studi aerosol dan wilayah pesisir 2 – biru 0.45 – 0.51 Pemetaan bathimetrik, membedakan tanah dari vegetasi dan daun dari vegetasi konifer 3 – hijau 0.53 – 0.59 Mempertegas puncak vegetasi untuk menilai kekuatan vegetasi 4 – merah 0.64 – 0.67 Membedakan sudut vegetasi 5 – Infra Merah Dekat- 0.85 – 0.88 Menekankan konten biomassa Near Infrared (NIR) dan garis pantai 6 – short – wave 1.57 – 1.65 Mendiskriminasikan kadar air infrared (SWIR 1) tanah dan vegetasi; menembus awan tipis 7 – short – wave 2.11 – 2.29 Peningkatan kadar air tanah dan infrared (SWIR 2) vegetasi dan penetrasi awan tipis 8 – Pankromatic 0.50 – 0.68 Resolusi 15 m, penajaman citra 9 – Sirus 1.36 – 1.68 Peningkatan deteksi awan sirus yang terkontaminasi 10 – TIRS 1 10.60 – Resolusi 100 m, pemetaan suhu 11.19 dan penghitungan kelembaban tanah 11 – TIRS 2 11.5 – Resolusi 100 m, peningkatan 12.51 pemetaan suhu dan penghitungan kelembaban tanah Sumber: Widjaja, 2014. Kanal
Gambar 1. Contoh data Landsat 8
6
Selain menggunakan data citra Landsat 8, dilakukan pula mengambilan data lapangan. Data lapangan tersebut akan digunakan sebagai bahan untuk pembuatan model regresi untuk ekstrasi MPT serta uji akurasi. 2.3.2. Peralatan Peralatan dan software yang digunakan pada pengolahan data penginderaan jauh untuk identifikasi sebran MPT adalah personal komputer, software pengolahan data penginderaan jauh serta peralatan terkait dengan survei lapangan. Peralatan yang diperlukan untuk mengambil sample air adalah botol PE yang tebal. Sample air yang diambil sebanyak 100-250 ml. Sebelum dilakukan analisis pengukuran kandungan MPT di laboratorium, maka perlu dilakukan penyaringan menggunakan kertas saring (membran filter) dengan bantuan alat vakum (hand pump atau listrik). Membran filter hasil penyaringan sample air kemudian dibungkus dengan aluminium foil dan dimasukkan ke dalam plastik ziplock kemudian disimpan dalam alat pendingin dengan suhu 4 °C. Membran filter TSM siap untuk dikirim ke laboratorium Untuk pengukuran di laboratorium digunakan metode analisis APHA, ed. 22, 2012, 2540-D.
Gambar 2. Peralatan Survei
2.3.3. Sumberdaya Manusia Sumberdaya manusia untuk pengolahan data penginderaan jauh untuk identifikasi sebaran MPT harus mampu mengoperasikan perangkat komputer serta software pengolahan data penginderaan jauh. Selain itu, operator tersebut mampu menterjemahkan data secara visual dan tidak buta warna. 2.3.4. Tahapan Pengolahan Data Pengolahan data penginderaan jauh terdiri dari tiga tahapan, yaitu pra pengolahan data, pengolahan data secara visual, dan pengolahan data secara digital. Hasil pengolahan data penginderaan jauh tersebut disajikan sebagai informasi spasial. 2.3.4.1.
Pra Pengolahan Data
Pra pengolahan data dilakukan sebelum tahapan interpretasi dan deliniasi data penginderaan jauh. Secara umum tahapan pra pengolahan data adalah koreksi 7
geometris dan radiometris. Pra pengolahan data telah dilakukan oleh PUSTEKDATA LAPAN. 2.3.4.1.1.Koreksi Geometris Koreksi geometrik diperlukan untuk mentransformasi citra hasil penginderaan jauh sehingga citra tersebut mempunyai sifat-sifat peta dalam bentuk, skala dan proyeksi. Transformasi geometrik yang paling mendasar adalah penempatan kembali posisi piksel sedemikian rupa, sehingga pada citra digital yang tertransformasi dapat dilihat gambaran objek dipermukaan bumi yang terekam sensor. Citra rujukan
Titik kontrol
Citra yang dikoreksi
Tabel RMSe
Gambar 3. Koreksi Geometrik
Koreksi geometrik harus dilakukan dengan mengacu ke data geospasial dasar seperti peta RBI atau LPI dengan skala yang sama atau lebih besar dari data yang akan dibuat. Sebagai contoh,untuk menghasilkan peta mangrove skala 1:50.000, maka peta dasar untuk koreksi geometrik yang digunakanadalah peta RBI dengan skala 1:50.000 atau 1:25.000. Koreksi geometrik citra dapat dilakukan dengan dua cara yaitu : a. Image to map rectification: menggunakan polynomial (titik kontrol) atau geocoding linear untuk merektifikasi sebuah citra ke dalam sebuah datum dan proyeksi peta menggunakan GCP (titik kontrol) dari peta RBI atau titik kontrol geodesi nasional. b. Image to image rectification: menggunakan polynomial (titik kontrol) atau geocoding linier untuk merektifikasi satu citra ke citra yang lainnya menggunakan GCP. Proses koreksi geometrik dapat dilihat pada Gambar di bawah ini. 2.3.4.1.2. Koreksi Radiometrik Koreksi radiometrik ditujukan untuk memperbaiki nilai piksel dengan mempertimbangkan faktor gangguan atmosfer sebagai sumber kesalahan utama. 8
Metode-metode yang sering digunakan untuk menghilangkan efek atmosfer antara lain metode pergeseran histogram (histogram adjustment) dan metode regresi. Koreksi radiometrik dilakukan dengan menggunakan salah satu dari dua metode tersebut. 1. Pergeseran Histogram Metode pergeseran histogram merupakan metode koreksi radiometrik yang paling sederhana. Prinsip dasar dari metode ini adalah melihat nilai piksel minimum masing-masing panjang gelombang (band) dari histogram yang dianggap sebagai nilai bias minimum. Nilai minimum dari masing-masing kanal digunakan untuk mengurangi nilai piksel sehingga akan didapatkan nilai piksel minimum adalah 0 (nol). Hasil dari proses koreksi radiometrik ini dapat dilihat pada Gambar 3.
Gambar 4.Hasil Koreksi Radiometrik dengan Menggeser Histogram
2. Metode Regresi Penyesuaian regresi (Regression Adjusment) diterapkan dengan memplot nilai-nilai piksel hasil pengamatan dengan beberapa kanal sekaligus.Hal ini diterapkan apabila ada saluran rujukan (yang relatif bebas gangguan) yang menyajikan nilai nol untuk obyek tertentu, biasanya air laut dalam atau bayangan. Kemudian tiap saluran dipasangkan dengan saluran rujukan tersebut untuk membentuk diagram pancar nilai piksel yang diamati. Saluran rujukan yang digunakan adalah saluran infra merah dekat. Cara ini efektif mengurangi gangguan atmosfer yang terjadi hampir pada semua saluran tampak bahkan mendekati perhitungan koreksi radiometrik metode absolut. Walaupun metode ini melewati beberapa tahap yang cukup rumit, akan tetapi hasilnya tidak selalu baik. Hal ini disebabkan karena tidak setiap citra mempunyai nilai piksel objek yang ideal sebagai rujukan, seperti air dalam atau bayangan awan. 9
Gambar 5. Koreksi Radiometrik Metode Regresi
2.3.4.2.
Interpretasi Data Secara Visual
Interpretasi secara visual (manual) dilakukan terhadap data penginderaan jauh yang berdasarkan pada pengenalan ciri/karakteristik objek secara keruangan. Karakteristik objek dapat dikenali berdasarkan 9 unsur interpretasi yaitu bentuk, ukuran, pola, bayangan, rona/warna, tekstur, situs, asosiasi dan konvergensi bukti. Tahapan yang dilakukan pada interpretasi secara visual adalah dengan menggunakan teknik kombinasi RGB. RGB yang digunakan disesuaikan dengan informasi yang diinginkan. 2.3.4.2.1. Penyusunan Komposit Warna Penyusunan komposit warna diperlukan untuk mempermudah intrepretasi citra inderaja. Susunan komposit warna dari kanal citra inderaja minimal terdapat kanal Inframerah dekat untuk mempertajam penampakan unsur vegetasi. Pemilihan kanal untuk proses komposit dilakukan dengan menggunakan metode Optimum Index Factor (OIF). OIF digunakan untuk menentukan kombinasi tiga kanal terbaik untuk menggambarkan informasi tertentu. Semakin besar nilai OIF yang dihasilkan semakin banyak informasi warna yang diperoleh dan sedikit duplikasi informasi, sehingga dapat dikatakan bahwa nilai OIF tertinggi merupakan kombinasi kanal yang terbaik. Algoritma yang digunakan untuk menghitung OIF adalah: (1) dimana: SDi = Standar deviasi kanal i ABS = Nilai absolut koefisien korelasi dua kanal dari kemungkinan tiga kanal 2.3.4.2.2. Penajaman Digital (Digital Enhancement) Tahapan ini berisi penajaman digital yang bertujuan untuk mendapatkan kualitas visual dan variabilitas spektral citra menjadi lebih baik. Teknik yang digunakan pada penajaman digital ini adalah teknik perentangan linear. 10
Teknik ini dapat digunakan untuk mempertajam kenampakan objek secara keseluruhan mempertajam tepian, menghaluskan noise/gangguan, memunculkan spesifik area tertentu di citra. Adapun teknis penajaman dengan perentangan linear dapat dilakukan dengan melihat distribusi nilai piksel citra asli terlebih dahulu (nilai terendah dan tertinggi), kemudian nilai terendah tersebut direntangkan menjadi bernilai nol, dan nilai tertinggi ditarik ke nilai maksimum bit (binary digit) citra yang digunakan. Metode ini biasa disebut sebagai perentangan linear minimummaksimum. Perentangan linear dapat pula dilakukan secara otomatis dengan memasukkan nilai persentase perentangan (biasanya berkisar antara 1 – 3 atau 5%) pada histogram masing-masing citra asli. Teknis perentangan dilakukan masing-masing terhadap band merah, hijau, dan biru dalam komposisi warna RGB. Perentangan linear juga dapat dilakukan secara interaktif, dengan cara menarik garis transformasi (transform line) menjadi nilai minimum dan maksimum citra output. Ini sangat bermanfaat pada saat penentuan training area obyek maupun membantu pemilihan GCP untuk koreksi geometrik.
Gambar 6. Citra Hasil Cropping Lokasi Penelitian
2.3.4.2.3. Pemotongan Citra (Cropping) Pemotongan citra dilakukan untuk membatasi daerah penelitian sehingga memudahkan analisis pada komputer. Selain itu, pemotongan citra akan mengurangi kapasitas memori sehingga memudahkan pada proses pengolahan data citra tersebut. Teknik yang digunakan pada tahapan cropping adalah dengan memfokuskan lokasi yang diinginkan pada citra. Cropping dapat dilakukan dengan menggunakan data vektor, koordinat geodetik, atau dengan menggunakan box (zooming) yang ada pada software yang digunakan. Contoh cropping citra dapat dilihat pada Gambar 7. 2.3.4.3.
Pengolahan Data Secara Digital
Pengolahan data secara digital yang dimaksud adalah proses klasifikasi sebagai salah satu tahapan pada interpretasi. Klasifikasi yang dilakukan pengacu pada SNI 11
7645-2010 tentang Klasifikasi Penutup Lahan. Dalam melakukan klasifikasi, metode minimum yang disarankan adalah klasifikasi tidak terbimbing (unsupervised). 2.3.2.3.1. Klasifikasi Tidak Terbimbing (Unsupervised) Klasifikasi tidak terbimbing (unsupervised) dilakukan dengan mengelompokkan piksel pada citra menjadi beberapa kelas hanya berdasarkan pada perhitungan statistik tertentu tanpa menentukan sampel piksel (training) yang digunakan oleh komputer sebagai acuan untuk melakukan klasifikasi. Identifikasi ulang dilakukan dengan membandingkan citra hasil koreksi untuk menghasilkan klasifikasi yang lebih sedikit (penggabungan kelas/merging) sesuai dengan klasifikasi yang dibutuhkan pada skala hasil. Pada proses interpretasi ulang ini dibantu secara visual menggunakan citra komposit warna atau data hasil kerja lapangan sebagai dasar penggabungan kelas. Algoritma yang disarankan digunakan dalam klasifikasi tidak terbimbing adalah isodata classification. Pada prinsipnya klasifikasi isodata mengklasifikasikan nilai piksel berdasarkan nilai rata-rata (means) menjadi klaster-klaster tertentu, piksel yang tidak terkelaskan dalam nilai rata-rata tertentu akan dikelaskan kembali secara iterative berdasarkan analisis nilai piksel minimum. Parameter utama dalam klasifikasi isodata adalah threshold dan iterasi klasifikasi. Secara praktis, klasifikasi isodata dilakukan secara trial and error hingga menghasilkan jumlah kelas optimal yang mewakili kelas habitat pada skala hasil. 2.3.4.3.2. Klasifikasi Terbimbing (Supervised) Klasifikasi terbimbing merupakan proses pengelompokkan piksel pada citra menjadi beberapa kelas tertentu dengan berdasarkan pada statistik sampel piksel (training) atau region of interrest ditentukan oleh pengguna sebagai piksel acuan yang selanjutnya digunakan oleh komputer sebagai dasar melakukan klasifikasi. Sampel piksel yang baik memiliki rerata keterpisahan yang baik antar tiap kelasnya yang ditunjukkan oleh nilai indeks separabilitas (separability index) (Richards, 1999). Sampel piksel dapat bersumber dari pengetahuan interpreter terhadap kondisi lokal atau data hasil kerja lapangan. Algoritma klasifikasi citra yang digunakan yaitu maximum likelihood.
Gambar 7. Klasifikasi Supervised MPT 12
Klasifikasi maximum likelihood mengkelaskan nilai piksel berdasarkan probabilitas suatu nilai piksel terhadap kelas tertentu dalam sampel piksel. Apabila nilai probabilitas nilai piksel berada di bawah nilai threshold yang ditentukan maka piksel tersebut tidak terkelaskan. Lain halnya apabila dalam klasifikasi tidak memasukkan nilai threshold maka semua piksel dapat terkelaskan sesuai sampel piksel yang ada. 2.3.5.
Uji Akurasi
Uji akurasi dilakukan dengan metode survei dengan mengambil sampel di lapangan, hasil penelitian yang telah lalu ataupun dengan data sekunder yang telah dirilis oleh instansi yang berkepentingan. Akurasi hasil pengolahan data citra minimal adalah 70% dan setelah divalidasi dengan data lapangan maka akurasi hasil penelitian adalah 90%. Secara umum metode survei dalam pedoman ini dilakukan melalui kegiatan survey lapangan yang difokuskan pada pengambilan sample kualitas air dan pengukuran radiansi perairan untuk keperluan validasi data inderaja. Data dan informasi yang terdapat di stasiun pengamatan lapangan seperti data pasang surut juga dapat dikumpulkan sebagai bagian dari observasi kondisi lapangan. Selain itu kondisi lingkungan perairan juga perlu diobservasi, seperti kondisi cuaca dan awan, karena kondisi awan ini akan sangat mempengaruhi kualitas data inderaja yang akan digunakan pada saat uji akurasi.
13
Bab III Penutup Berdasarkan Undang-undang Keantariksaan No. 21 Tahun 2013, Pasal 19 ayat 92) dan Pasal 22 ayat (1) yang menyatakan bahwa LAPAN bertugas untuk menetapkan metode dan kualitas pengolahan data penginderaan jauh. Pemanfaatan data dan diseminasi informasi penginderaan jauh oleh setiap instansi harus berdasarkan pada pedoman yang telah dilakukan oleh lembaga. Salah satu pedoman yang telah berhasil terselesaikan adalah Pedoman Teknik Pengolahan Data Penginderaan Jauh Landsat 8 untuk MPT. Ucapan terimakasih kami ucapkan pada seluruh pihak yang telah berkontribusi dalam menyelesaikan pedoman ini. Pedoman teknis ini dibuat sebagai panduan untuk identifikasi MPT dengan menggunakan data Landsat 8. Sangat disadari bahwa pedoman ini masih banyak kekurangannya sehingga perlu masukan dan saran dari berbagai pihak yang berkepentingan. DAFTAR PUSTAKA Budhiman, Syarif. 2004. Mapping TSM Concentrations from Multisensor Satellite Images in Turbid Tropical Coastal Waters of Mahakam Delta, Indonesia. Thesis ITC, Enschede, The Netherland. Hal 1-81. Chester, R. 1990. Marine Geochemistry. Unwin Hyman Ltd. London. Colwell, R.N. Ed., 1983. Manual of Remote Sensing. 2 Vols. Second Edition. Curran, P.J. 1985. Principles of Remote Sensing. International Journal of Remote Sensing. Vol 6. London. Longman Everett, and Simonett. 1976. Principles, Concepts, and Philosophical Problems in Remote Sensing, In: Remote Sensing of Environment. Lintz, andSimonett: AddisonWesley Publishing Company, London. Green, Edmund P.; Alasdair J. Edwards and Peter J. Mumby. 2000. Mapping Bathymetry. P : 219-233 dalam Edwards, A. J. (ed.) Remote Sensing Handbook for Tropical Coastal Management. UNESCO Publishing. Paris. Lillesand, Thomas M. dan Ralph W. Kiefer, 1997. Penginderaan Jauh dan Interpretasi Citra. Diterjemahkan oleh Dulbahri, Prapto Suharsono, Hartono, Suharyadi ; Sutanto (penyunting). Gajah Mada University Press. Yogyakarta. Lindgren, D.T., 1985. Land Use Planning and Remote Sensing. Doldrecht: Martinus Nijhoff Publisher. Solihuddin, Tb. 2009. Pemanfaatan Citra Landsat Multitemporal untuk Memantau Kosentrasi Total Padatan Tersuspensi di Perairan Delta Cimanuk, Jawa Barat. Hal 107-116. Sutanto, 1987. Penginderaan Jauh Jilid 1. Gadjah Mada University Press. Yogyakarta 14
Sutanto 1994. Penginderaan Jauh Jilid 2. Gajah Mada University Press, Jogjakarta. Viessman, Warren Jr and Mark J. Hammer, 1992. Water Supply and Pollution Control. Fifth Edition. Harper Collins College Publishers. Woerd, H and Pasterkamp R, 2004. Mapping of The North Sea Turbid Coastal Waters Using SeaWifs Data. Jurnal Remote Sensing Vol 30. pp. 44 – 53. Kanada
15
PUSAT PEMANFAATAN PENGINDERAAN JAUH - 2015
