FORM ISIAN SURVEY WILAYAH PESISIR BARAT Hari/Tanggal Kamis, 01-10-2015 Kondisi
3. HASIL PEMBAHASAN 1 Analisis Data
3.3 Identifikasi dan Interpretasi
Berdasarkan kombinasi dan pengkontrasan/penajaman citra kamera multispektral, maka objek wilayah pesisir di Indramayu umumnya terdiri dari tambak, vegetasi magrove, sawah dan permukiman. Objek yang dominan mengandung air seperti tambak dan sawah fase air merupakan objek yang sangat menarik diamati dan dikaji dengan menggunakan citra kamera digital multispektral. Pada penelitian ini disajikan beberapa contoh identifikasi dan interpretasi objek untuk di wilayah pesisir Indramayu.
Tambak sebagian besar di wilayah pesisir dapat diidentifikasi berdasarkan data citra kamera multispektral menjadi 3 jenis tambak yaitu tambak ikan, udang dan garam. Ketiga tambak ini memiliki karakteristik spektral yang berbeda jika dilihat dari sudut pandang kunci-kunci interpretasi. Bentuk ketiga tambak berbetuk kotak/persegi, sedangkan ukuran besaran persegi berbeda-beda. Tambak ikan memiliki bentuk persegi dangan ukuran besar, tambak udang berbentuk persegi dengan ukuran sedang, sedangkan tambak garam berbentuk persegi berukuran
96
lebih kecil. Kenampakan tekstur tambak ikan kasar, tambak udang halus dan terdapat bintik putih pada setiap pojok kotak, sedangkan tambak garam agak kasar. Kenampakan tekstur ini dipengaruhi adanya objek vegetasi pada tambak ikan, adannya kincir angin pada tambak udang dan air tanah pada tambak garam. Dari segi warna tambak dapat diidentifikasi dan diinterpretasi bahwa tambak ikan berwana biru sampai biru asin atau cyan, tambak udang biru sampai hitam dan tambak garam berwana abu-abu sampai putih. Kenampakan perbedaan warna ketiga tambak ini kemungkinan disebabkan oleh kadar garam air atau kedalaman air. Dari segi asosiasi tambak ikan terdapat vegetasi mangrove, tambak udang terdapat teknologi kincir angin dan tambak garam terdapat lahan penampungan garam dan infrastruktur jalan. Analisis di atas didasarkan kemampuan kamera multispektral yang memiliki resolusi spektral dan resolusi spasial yang tinggi.
Tambak Ikan Tambak Udang Tambak Garam
Gambar4 : Identifikasi dan interpretasi tambak
Vegetasi di wilayah pesisir pada penelitian ini yang cukup luas hanya terdapat vegetasi magrove, tegalan dan sawah. Dengan menggunakan citra kamera multispektral magrove terdapat di wilayah pesisir dengan bentuk tak beraturan, tektur kasar, benrtuk ada yang luas dan sempit memamjang dengan warna hijau sampai kuningberasosiasi dengan pantai. Sawah dilihat dari citra kamera multispektral memiliki bentuk kotak / persegi dengan tektur halus, ukuran sedang sampai besar, berasosiasi dengan permukiman dan sawah berwarana hitam-biru untuk sawah fase air, berwana hijau untuk sawah bervegetasi dan sawah berwarna cyan sampai putih dengan tektur kasar terdapat bintik-bintik hitam atau putih menunjukkan sawah fase bera.
Vegetasi ladang/tegalan berdasarkan citra kamera multispektral dapat diidentifikasi dan diinterpretasi berbentuk kotak/persegi, ukuran kecil dengan tekstur alus
97
Vegetasi Mangove Vegetasi Sawah Vegetasi Ladang/Tegalan
Gambar5: Objekvegetasi di wilayah pesisir
Sawah Fase Air Sawah Fase Vegetasi Sawah Fase Bera
Gambar 6 : Kenampakan fase sawah pada citra kamera multispektral
Berdasarkan hasil identifikasi dan interpretasi citra kamera multispektral permukiman di wilayah pesisir tidak jauh berbeda dengan pemukiman di wilayah daratan. Perbedaan antara permukiman kota dengan permukiman desa terletak pada ukuran atau luasan wilayah yang terbangun. Tekstur, rona, asosiasi antara kota dan desa tidak jauh berbeda. Permukiman pada citra kamera terlihat berwarna merah-magenta-putih dan memiliki tekstur kasar, terlihat jaringan jalan dan berasosiai dengan persawahan dan vegetasi tegalan/ladang.
98
Permukiman Kota Kecamatan
Pemukiman Desa Kampung
Gambar 7 : Kenampakan permukiman pada citra kamera multispektral
Selain objek-objek umum di atas, citra kamera multispektral dapat digunakan untuk identifikasi dan interpretasi objek khusus yang lebih detil. Objek khusus yang dimaksud seperti pelabuhan, gudang, pabrik, gedung perkantoran dan pertokoan, fasilitas umumserta jaringan jalan dan sungai.
Contoh-contoh objek tersebut dapat dilihat pada gambar di bawah ini.
Gedung perkantoran Gedung Sarana Olah Raga Pasar dan pertokoan
Perumahan Teratur/Kavling Penampungan Hasil Panen Jaringan Jalan dan Sungai
4. KESIMPULAN
Citra kamera multispektral terdiri dari 3 band yaitu Band 1 (Green), Band 2 (Red) dan Band 3 ( Infra Merah Dekat).Band-band tersebut setara dengan band TM2, band TM23dan band TM4. Kombinasi RGB yang optimal untuk visualiasi objek pada penelitian ini kombinasi RGB band2 (Red), band1 (Green) dan band3
99 (NIR) dengan pengkontrasan merah menggunakan histogram linear, hijau menggunakan histogram autoclip dan biru menggunakan gausian equalize.
Citra kamera multispektral yang memiliki kemampuan resolusi spasial yang tinggi dan resolusi / multispektal dapat digunakan untuk mengidentifikasi dan menginterpretasi objek di wilayah pesisir dengan metode visual berdasarkan kunci-kunci interpretasi. Identifikasi dan interpretasi objek dapat dilihat pada citra dengan mempertimbangkan perbedaan bentuk, ukuran, tekstur, warna dan asosiasi objek dengan objek lainnya secara detil.
5. UCAPAN TERIMA KASIH
Terimakasih kami ucapkan pada berbagai pihak yang telah banyak membantu baik material maupun spirituil sehingga penelitian dan tulisan ini dapat terselesaikan. Secara umum ucapat terimakasih kami ucapkan pada pihak Lapan baik pejabat struktural maupun pejabat fungsional. Harapan selanjutnya mohon saran dan masukan agar karya ilmiah ini lebih baik dan lebih sempurna.
100
6. DAFTAR PUSTAKA
Agricultural Digital Camera User’s Guidewww.tetracam.com
Ahmad, M, Nugroho,W, 2012, “Kajian Pengembangan Kamera untuk Pesawat
Terbang”, Laporan Kegiatan, Pustekdata-Lapan, Jakarta
Arthur R Weeks Jr, 1996, “Fundamentals of Electronic Image Processing”, SPIE Digital Labrary
B. E. Bayer, “Color Imaging Array,” U.S Patent No. 3,971,065 (1976).
Kushardono, D, et all, 2014, “Pemanfaatan Data LSA (LAPAN Surveillance
Aircraft) untuk Mendukung Pemetaan Sklala Rinci”, Prosiding PIT MAPIN, Bogor.
Lillesand, T.M., and Keifer, R.W. 1979. Remote Sensing and Image
Interpretation.Third Edition. John Willey & Sons, Inc: New York.
Lillesand, T.M., and Keifer, R.W. 1990. Penginderaan Jauh dan Interpretasi
Citra.Terjemahan dari: Remote Sensing and Image Interpretation oleh
Dulbahri et al. Gadjah Mada University Press: Yogyakarta.
Laurent Condat” Color filter array design using random patterns with blue noise
chromatic spectra “Image and Vision Computing 28 (2010) 1196–1202
Mohammad Aghagolzadeh, Albolreza Abdolhosseini Moghadam, Mrityunjay Kumar, HaderRadha “Bayer and panchromatic color filter array demosaicing
by sparse Recovery” Michigan State University.
Purwadhi, S. H. 2007. Penginderaan Jauh dan Aplikasinya. Bahan Bimtek
Penginderaan Jauh. Pusat Data Penginderaan Jauh, LAPAN: Jakarta.
Purwadhi, S. H., dan Sanjoto, B. T. 2008. Pengantar Intepretasi Citra
Penginderaan jauh.LAPAN-UNES: Jakarta.
Rajeev Ramanath, Wesley E. Synder, Griff L. Bilbro and William A. Sander III “Demosaicking method for Bayer color array” Journal of Electronic Imaging 11(3), 306-315 (July 2002)
Yuang, et al, 2002, “Image enhancement based on equal area dualistic sub-image
