METODOLOGI PENELITIAN
3.3 Metode Penelitian
3.3.2 Tahap Analisis Citra Digital
3.3.2.1 Koreksi Geometrik
Koreksi Geometrik adalah perujukan titik-titik tertentu pada citra ke titik-titik yang sama di lapang atau di peta topografi. Pasangan titik-titik ini digunakan untuk membangun fungsi matematis yang menyatakan hubungan antar posisi sembarang titik pada citra dengan objek yang sama pada peta maupun lapangan (Jensen, 1986). Proses koreksi geometrik diawali dengan merektifikasi citra ke peta Rupabumi (image to image rectification) berdasarkan GCP (Ground Control Point) yang mudah diidentifikasi pada peta maupun citra yang dikoreksi dan bentuk relief yang tidak berubah dalam jangka waktu yang lama.
Citra Landsat -7-ETM+ tahun 2006 direktifikasi dengan peta rupabumi daerah depok. Proses ini dilakukan terlebih dahulu agar mudah memperoleh obyek yang sama pada peta topografis dan citra yang akan dikoreksi. Citra landsat-5- TM tahun 1997 yang telah dikoreksi digunakan sebagai referensi untuk meregistrasi Citra Landsat-7-ETM tahun 2006.
1. Buka program ERDAS Imagine sehingga muncul tampilan menu bar, kemudian klik
ikon menu Viewer untuk menampilkan image.
2. Buka image pada viewer #1 sebagai image yang belum terkoreksi dan viewer #2 sebagai image atau vector yang telah terkoreksi digunakan untuk acuan.
3. Pada viewer #1 klik menu Raster→Geometric Correction→Pilih Polynomial→ klik OK.
4. Kemudian muncul dialog seperti berikut :
Gambar 3.1 Polynomial Model Properties 5. Klik menu Projection
7. Klik Menu Add/Change Projection sehingga keluar tampilan (Edited) Projection Chooser.
8. Klik Custom lalu isi pilihan sesuai perintah berikut :
Gambar 3.2 Projection Chooser a. Projection Type : UTM
b. Spheroid Name : WGS 84 c. Datum Name : WGS 84
d. UTM Zone : 48 (wilayah image berada di garis bujur 102 – 108 E), e. Pilih : South (untuk wilayah yang berada di area Lintang Selatan) 9. Klik iconClose
10. Pilih option Exiting Viewer → Klik OK, kemudian muncul dialog Viewer Selection Intructions. Dialog ini mengkonfirmasikan viewer mana yang akan digunakan sebagai acuan. Karena yang dijadikan acuan adalah viewer #2 maka klik pointer/kursor pada image
Gambar 3.3 Geo Corrections
11. Dengan menggunakan icon tentukan posisi dari suatu piksel yang bisa dikenali pada piksel dari image acuan. Cocokkan antara GCP pada image yang akan dikoreksi dengan Image acuan sampai benar-benar terletak pada satu piksel yang sama.
12. Buatlah GCP paling minimal 4 buah pada tempat yang diketahui nilai atau posisinya 13. Setelah titik GCP yang dibuat lebih dari 4 (empat ) maka nilai RMS Error akan muncul pada tabel. Nilai RMS error akan semakin kecil apabila posisi GCP koreksi benar-benar sama dengan GCP acuan. Usahakan nilai RMS Error nilainya di bawah 0.5 yaitu dengan cara menggeser titik GCP pada kedua image sehingga posisinya benar-benar sama.
14. Untuk hasil yang lebih baik, buatlah titik GCP sebanyak mungkin dan menyebar di semua area.
15. Jika telah selesai save hasilnya dengan mengklik ikon Resample Image dalam Geo Correction Tools. Sehingga akan muncul kotak dialog seperti berikut :
Gambar 3.4 Resample Image
16. Tunggu proses komputer, kemudian klik OK setelah proses selesai.
Gambar 3.5 Proses Isodata 3.3.2.2 Interpretasi Visual Citra Landsat
Pada tahap interpretasi visual dilakukan perbandingan kenampakan karakteristik obyek-obyek pada Citra Landsat tahun 1997 dan 2006. untuk membantu pengamatan visual
kunci interpretasi. Pemilihan kombinasi band yang tepat dilakukan dengan pendekatan nilai OIF (Optium Index Factor), kunci interpretasi yang digunakan yaitu rona, bentuk, ukuran, bayangan, tekstur, pola dan situs. Beberapa obyek yang dapat diamati pada citra antara lain permukiman, sawah, semak belukar dan sungai/danau kemudian ditentukan daerah contoh (training area).
Kunci interpretasi yang digunakan berdasarkan rona, bentuk, ukuran, bayangan, tekstur, pola dan situs (Lillesand dan kiefer, 1994).
1. Hutan lahan kering, komposisi warna = Chartause
2. Hutan tanaman, komposisi warna = Green
3. Kebun campuran
Komposisi warna = R 0.600 G : 0.900 B : 0.500
4. Kebun karet, komposisi warna = R : 0.400, G : 0.800, B : 0.700
6. Pertanian lahan kering, komposisi warna = Gold
7. (Band 542) (Band 432)
Permukiman, komposisi warna = Red
8. Kawah, komposisi warna = purple
9. Kebun kelapa sawit
Komposisi warna = R : 0.600, G : 0.900, B :0.400
10. Hutan rawa, komposisi warna = R : 0.500, G : 0.750, B : 0.400
11. (Band 542) (Band 432)
Hutan mangrove R0.200 G0.800 B:0.050
13. Rawa, komposisi warna = aquamarine
14. Semak/belukar, komposisi warna = Tan
15. Tubuh air, komposisi warna = Blue
16. Tambak, komposisi warna = cyan
17. Awan, komposisi warna = White
18. Tanah terbuka, komposisi warna = Pink
19. Sawah, komposisi warna = Yellow
21. Danau, komposisi warna = blue
22. Bayangan awan, komposisi warna = light gray
23. Perkebunan lain
Komposisi warna = R : 0.600, G : 0.900, B : 0.500 3.3.2.3 Klasifikasi
Untuk menetapkan kelas-kelas penggunaan lahan dilakukan klasifikasi terbimbing (Supervised Classification) pada kedua Citra Landsat. Klasifikasi terbimbing dilakukan berdasarkan area contoh (training area) yang telah ditentukan sebelumnya yaitu dengan menggambarkan poligon-poligon pada citra dengan karakteristik spektral tertentu.
Metode klasifikasi terbimbing yang digunakan adalah algoritma kemiripan maksimum banyak digunakan pada citra beresolusi rendah sampai menengah yang lebih memfokuskan pada nilai spektral. Asumsi dari algoritma ini adalah obyek yang homogen selalu menampilkan histogram yang terdistribusi normal. Pada algoritma ini piksel dikelaskan sebagai obyek tertentu tidak karena jarak euklidiannya melainkan oleh bentuk,
Untuk memutuskan klasifikasi dibutuhkan informasi statistik berupa nilai rataan (mean), simpangan baku tiap sampel, varian (ragam) dan kovarians sehingga probabilitas setiap piksel suatu kelas dapat dihitung. Pada algoritma ini diasumsikan probabilitas untuk semua kelas dipandang sama tetapi pada kenyataannya, tidak semua kelas dapat dilakukan dengan probabilitas yang sama untuk dipresentasikan pada citra. Pengambilan keputusan berdasarkan pada pertimbangan kemiripan maksimum.
Hasil uji ketelitian klasifikasi disajikan dalam bentuk koefisien Confution Matrik dan nilai Kappa. Koefisien Confution matrik bukan merupakan ukuran ketelitian klasifikasi secara menyeluruh tetapi menyatakan seberapa baik mengkelaskan training site. Nilai Kappa (Lampiran 1) digunakan untuk menghitung akurasi hasil klasifikasi dengan menghitung kebenaran jumlah piksel yang diklasifikasikan termasuk nilai omsi (jumlah piksel yang diklasifikasikan menjadi kelas lain) dan nilai komisi (jumlah piksel dari kelas lain yang masuk dalam kelas ini).
Tahapan Klasifikasi yang dilakukan, sebagai berikut :
1. Sebelum melakukan kegiatan klasifikasi terbimbing, terlebih dahulu buat Training Areanya (Signature). Klik ikon panel Classifier sehingga akan muncul tampilan seperti berikut ini.
Gambar 3.5 Classifier
Kemudian pilih Signature Editor dan muncul dialog box berikut.
Gambar 3.6 Signature Editor 1
2. Buka View yang akan diklasifikasi (*.img). Kemudian deliniasi dengan menggunakan AOI tools sampel-sampel wilayah tiap kategori kelas klasifikasinya. Setiap membuat AOI
beri keterangan pada Signature Editornya yaitu dengan mengklik (create new signatur (s) from aoi).
Gambar 3.7 Klasifikasi Citra
Gambar 3.8 Signature Editor 2
3. Save file (*.sig) hasil training area setelah semua kriteria kelas klasifikasi diambil sampelnya. Sampel dari satu kelas klasifikasi bisa lebih dari satu sampel, tergantung penyebaran pada image tersebut.
4. Klik ikon panel Classifier | Supervised Classification, sehingga muncul dialog box berikut.
Gambar 3.9 Supervised Classification
5. Warna dapat diganti sesuai dengan keinginan kita yaitu dengan mengubah atributnya. Buka file hasil klasifikasi (*.img) pada window viewer, Klik Raster pada menu bar, kemudian pilih atribut Attributes.
Setelah proses klasifikasi dilakukan, tahapan selanjutnya adalah Recoding. Tahapan-tahapan Recoding sebagai berikut :
1. Dari menu bar Erdas Imagine, klik icon kemudian muncul kotak dialog lalu pilih GIS Analysis ½ Recode sehingga keluar tampilan berikut :
Gambar 3.10 Recode
4. Klik Setup Recode untuk mengelompokan baris-baris (row) atribut yang memiliki kelas klasifikasi yang sama.
Gambar 3.11 Thematic Recode 5. Klik OK, dan tunggu prosesnya.
6. Klik pada viewer untuk menampilkan data recode yang telah kita buat. Lalu klik menu bar Raster | Attribute , edit atributnya sesuai dengan nomor pengelompokannya.
Gambar 3.12 Raster Attribute Editor 6. Klik Save.
Tahapan selanjutnya adalah Filling, hal ini dilakukan untuk memperbaiki proses klasifikasi yang telah dilakukan, tahapan yang dilakukan, sebagai berikut :
1. Buka Viewer dan buka file citra yang ingin kita fill
Gambar 3.13 AOI Tool
3. Kemudian dari menu bar Viewer pilih Raster│Fill, sehingga muncul kotak Area Fill
Gambar 3.14 Area Fill
4. Pada Viewer, buatlah dengan polygon AOI pada wilayah yang kita ingin fill. Kemudian pada kotak area fill, masukkan nilai warna yang kita inginkan sebagai warna pengganti wilayah tersebut, pilih Apply dan wilayah tersebut akan berubah warna sesuai yang diinginkan.
Wilayah yang ingin di Fill
Gambar 3.15 Contoh View Fill
5. Setelah semua wilayah yang ingin kita rubah sudah selesai dilakukan proses filling-nya, pilih ikon save untuk menyimpan file hasil filling.
3.3.3 Tahap Pengolahan Data 3.3.3.1. Operasi Buffering
Ekstraksi informasi dari data spasial yang telah tersedia berupa peta penggunaan lahan tahun 1997 dan 2006 serta peta jaringan jalan. Pada tahap ini bertujuan untuk melihat sebaran permukiman pada selang waktu antara tahun 1997 dan 2006 berserta aksesibilitasnya.
Operasi ini diaplikasikan pada sarana aksesibilitas, yaitu jalan utama menggunakan bantuan ArcView 3.3 untuk mengetahui keterkaitan antara aksesibilitas dengan perkembangan permukiman. Zonasi wilayah dengan operasi buffering atau penyangga adalah suatu daerah yang mempunyai lebar tertentu yang digambarkan di sekeliling satu eleman atau lebih di bagian suatu kawasan yang mempunyai jarak tertentu (Barus dan Wiradisastra, 2000).
Jarak buffer dari jalan adalah suatu fungsi pengukuran jarak (perkiraan) antara area permukiman berdasarkan jaraknya dari jalan utama. Jarak buffer dibuat berdasarkan penyebaran permukiman dan jarak yang paling menunjukan perubahan yang nyata terhadap luas permukiman dan jalan terjadi pada jarak tiap 1000 m. Jarak buffer yang digunakan adalah : 0-1000 m (Zona 1), 1000-2000 m (Zona 2), 2000-3000 m (Zona 3), 3000-4000 m (Zona 4), 4000-5000 m (Zona 5), dan jarak > 5000 m (Zona 6).
Jarak buffer ini dibuat dengan mengasumsikan bahwa pengaruh jalan utama terhadap perubahan penutupan/penggunaan lahan permukiman pada jenis aksesibilitas lainnya.
Tahapan buffer yang dilakukan, sebagai berikut :
1. Klik menu pulldown Theme | Create Buffer sehingga muncul kotak dialog berikut :
Gambar 3.16 View Create Buffer I
2. Pastikan pada option ‘The features of a theme’ yang terpilih adalah sungai, kemudian klik button Next
Gambar 3.17 View Create Buffer II How do you want to create buffer?
1. At a specified distance : digunakan untuk pembuatan buffer yang didasarkan pada jarak yang ditetapkan oleh pengguna
2. At a distance from an attribute field : Pembuatan buffer didasarkan pada jarak-jarak yang telah didefinisikan di dalam suatu field atribut yang telah ditentukan
3. As multiple rings : Pembuatan buffer akan menghasilkan/membentuk sejumlah (number of rings) lingkaran konsentris dengan jarak interval tertentu (distance between rings) antara setiap lingkaran yang berdekatan 3. Pilih ‘At a specified distance’ pada kotak dialog lanjutan. Misal kita akan membuat buffer sungai (sempadan) dengan jarak kanan-kirinya 100 meter, maka dalam kotak tersebut kita ketikan 100 dan pilih ’Meters’ sebagai satuan jaraknya (distance units are), kemudian tekan button Next.
4. Kotak dialog lanjutan akan muncul setelah menekan button Next, dilanjutkan dengan memilih radion button ’No’ (jika batas dissolve antar buffer ingin ditampilkan) dan ‘in a
new theme’. Simpan file output hasil buffer pada directory dengan cara mengklik button. Kemudian klik button Finish dan tunggu prosesnya.
Gambar 3.18 View Create Buffer III
5. Pada tahap ini, jika theme yang di proses adalah polygon maka pengguna diharuskan mendefinisikan beberapa option seperti berikut ini :
Gambar 3.19 View Create Buffer IV
1. inside and outside the polygon(s) : akan menyebabkan buffer digambarkan baik arah luar maupun ke dalam objek buffer (polygon) yang bersangkutan
2. only outside the polygon(s) : akan menyebabkan buffer hanya digambarkan ea rah luar objek buffer (polygon) yang bersangkutan
3. only inside the polygon(s) : akan menyebabkan buffer hanya digambarkan ea rah dalam objek buffer (polygon) yang bersangkutan.
Gambar 3.20 View Inside and Outside