METODE PENELITIAN
C. Metode Penelitian
1. Pengolahan Citra
Sebelum melakukan pengolahan citra lebih lanjut, citra satelit perlu dilakukan koreksi geometrik dan radiometrik. Koreksi radiometrik dilakukan untuk mengkoreksi kesalahan radiometrik atau distorsi. Sedangkan koreksi geometrik adalah suatu proses untuk menghilangkan distorsi geometrik dari suatu citra dan untuk memperoleh hubungan antar sistem koordinat citra dan sistem koordinat geografik. Koreksi yang umum dilakukan adalah koreksi geometrik atau rektifikasi. Data penelitian citra satelit ikonos tahun 2004 dan 2006 serta citra satelit quickbird tahun 2007 merupakan citra yang telah dilakukan koreksi radiometrik, sehingga dalam penelitian ini hanya dilakukan koreksi geometrik (rektifikasi) pada citra satelit ikonos karena citra satelit quickbird sudah dilakukan koreksi geometrik .
a. Koreksi Geometrik (rektifikasi)
Rektifikasi merupakan suatu proses melakukan transformasi data dari suatu sistem grid menggunakan suatu transformasi geometrik. Oleh karena posisi piksel pada citra output tidak sama dengan posisi piksel input (aslinya) maka piksel-piksel yang digunakan untuk mengisi citra yang baru harus di-resampling kembali. Resampling adalah suatu proses melakukan ektrapolasi nilai data untuk piksel-piksel pada sistem grid yang
baru dari nilai piksel citra aslinya. Pelaksanaan resampling dilakukan dengan proses transformasi dari suatu sistem koordinat ke sistem koordinat yang lain. Sedangkan metode yang digunakan adalah metode
Nearest Neigbour dimana dalam metode ini nilai pikselnya tidak berubah
karena menggunakan nilai dari piksel yang terdekat. Tahapan-tahapan rektifikasi yang dilakukan:
1. Memilih titik kontrol lapangan (Ground control point). GCP tersebut sedapat mungkin adalah titik-titik atau obyek yang tidak mudah berubah dalam jangka waktu lama. GCP harus tersebar merata pada citra yang akan dikoreksi.
2. Menghitung kesalahan (RMSE, root mean suared error) dari GCP yang terpilih. Nilai RMSE tidak boleh lebih dari 0,5 piksel. Kesalahan rata-rata dari rektifikasi ini dihitung sebagai berikut:
dimana : xy dan yy = koordinat pixel dan kolom hasil estimasi dari setiap pixel citra asli
xi dan yi = koordinat (pixel dan kolom) dari pixel pada citra asli
Berdasarkan hasil proses rektifikasi yang telah dilakukan, RMSE yang didapat pada Citra Ikonos 2004 dengan menggunakan 50 GCP sebesar 0,0002 piksel dan Citra Ikonos 2006 dengan menggunakan 50 GCP sebesar 0,0001 sehingga proses rektifikasi ini layak digunakan. Adapun titik-titik GCP yang terpilih dapat dilihat pada Lampiran 1, 2, 3 dan 4.
b. Mosaik
Mosaik yaitu proses menggabungkan beberapa scene citra menjadi satu kesatuan yang kohesif. Adapun tujuan dari kegiatan mosaik ini adalah untuk menghasilkan citra gabungan yang mempunyai kualitas kekontrasan yang baik sehingga citra hasil (output) tampak menjadi citra yang kohesif (kontrasnya konsisten, terorganisir, solid dan koordinatnya ter-interkoneksi).
Agar antar citra yang akan dimosaik terjadi koordinatnya saling interkoneksi, maka masing-masing citra yang akan dimosaik harus mempunyai beberapa syarat, yaitu:
1. Sudah dilakukan koreksi geometrik (rektifikasi) dengan sistem koordinat yang sama.
2. Jika citra yang akan digabungkan telah mempunyai sistem koordinat yang sama, citra tersebut tidak harus mempunyai resolusi spasial yang sama. Akan tetapi, agar hasil yang didapatkan tampak satu kesatuan yang kohesif, maka dianjurkan memosaik citra yang mempunyai resolusi yang sama dan dari kisaran panjang gelombang yang sama.
3. Mempunyai tingkat kekontrasan yang sama. Meskipun citra direkam
pada waktu yang hampir bersamaan (pada jam dan musim yang sama), akan tetapi sering dijumpai bahwa tingkat kekontrasan antar citra berbeda-beda sehingga jika citra tersebut digabungan, maka akan tampak garis-garis pembatas antar citra yang di-mosaik. Untuk kondisi kekontrasan yang berbeda-beda, beberapa perangkat lunak pengolah citra telah menyediakan fasilitas penyamaan kekontrasan. Dalam penelitian ini perangkat lunak yang digunakan untuk penyamaan kontras adalah histogram matching.
4. Jumlah band (saluran) dan panjang gelombang dari masing-masing band yang akan dimosaik sama (Jaya, 2007).
c. Klasifikasi Citra Digital
Klasifikasi diartikan sebagai suatu proses mengelompokkan piksel ke dalam kelas-kelas atau kategori-kategori yang telah ditentukan berdasarkan nilai kecerahan pixel yang bersangkutan (Jaya, 2006).
Klasifikasi dapat dilakukan dengan dua pendekatan yaitu pendekatan kuantitatif dan kualitatif. Pada penelitian ini yang digunakan adalah pendekatan kualitatif. Klasifikasi pendekatan kualitatif merupakan suatu kegiatan untuk mendeteksi dan mengidentifikasi objek-objek permukaan bumi yang tampak pada citra, baik potret udara maupun citra satelit,
dengan cara mengenalinya atas dasar karakteristik spasial, spektral, dan temporal. Interprestasi dilaksanakan dengan mempertimbangkan segenap elemen penafsiran citra, baik warna tone, bentuk, ukuran, lokasi, asosiasi dan bayangan. Unsur interpretasi dapat dikelompokkan menjadi 4 (empat) tingkat atas dasar perbedaan tingkat kerumitannya, yaitu:
(1). Kunci interpretasi primer, yaitu rona dan warna
(2). Kunci interpretasi sekunder, yaitu bentuk, ukuran dan tekstur (3). Kunci interpretasi tersier, yaitu pola dan bayangan
(4). Kunci interpretasi lebih tinggi, yaitu situs/ lokasi dan asosiasi Pembagian kelas potensi (volume tegakan) pada citra didasarkan pada kerapatan tajuk (crown density) dan diameter tajuk (crown diameter). Cara mengukur C dan D pada citra adalah sebagai berikut :
a. Buat plot ukur dengan jari-jari 17,85 m b. Pilih lokasi yang akan diamati
c. Buat 2 lingkaran, yang pertama berukuran 17,85 m. Kemudian di dalam lingkaran yang pertama, dibuat lingkaran yang kedua berukuran 12,68 m.
Untuk mengukur C, lingkaran tersebut dibagi menjadi 16 bagian.
Dengan rumus 100%
16
n
C , dimana n = jumlah bagian yang terdapat C
di dalam lingkaran. Lingkarannya dapat contohkan sebagai berikut:
Gambar 3 Lingkaran untuk Penaksiran Persentase Penutupan Tajuk. Pengolahan data pada citra resolusi tinggi sebagian besar dilakukan dengan metode yang sama yaitu dengan interpretasi visual menggunakan peubah bentuk tajuk dan kerapatan tutupan tajuk dominan dan kodominan.
r = 17,85 m Jika L = 0,1 Ha r = 12,62 m
Penentuan klasifikasi kelas kerapatan tajuk (C) dan kelas diameter (D) menurut Jaya, et al (2006) yaitu:
- C1 untuk kerapatan tajuk 10 - 30% - C2 untuk kerapatan tajuk 31 - 50% - C3 untuk kerapatan tajuk 51 - 70% - C4 untuk kerapatan tajuk 71 -100%
Penentuan klasifikasi diameter rata-rata tajuk (D) dibagi dalam 3 kelas yaitu:
- D1 untuk diameter rata-rata tajuk < 10 m - D2 untuk diameter rata-rata tajuk 10 - 20 m - D3 untuk diameter rata-rata tajuk > 20 m