RESOLUSI SPASIAL
III. METODOLOGI PENELITIAN
3.4. Pengolahan citra satelit 1.Pre-processing 1.Pre-processing 1.Pre-processing
Citra satelit Formosat-2 yang telah diperoleh tidak sepenuhnya digunakan dalam analisi, untuk itu perlu adanya pemotongan citra (cropping). Pemotongan citra ini bertujuan untuk membatasi daerah sesuai lokasi penelitian. Setelah pemotongan citra dilakukan pemulihan citra yang terdiri atas dua proses yaitu koreksi radiometrik dan koreksi geometrik.
Koreksi radiometrik dilakukan untuk menghilangkan faktor-faktor yang menurunkan kualitas citra. Metode koreksi radiometrik yang digunakan adalah penyesuaian histrogram (histogram adjustment). Nilai bias adalah nilai digital minimum pada setiap band, nilai bias diasumsikan sama dengan besarnya pengaruh atmosfer terhadap gelombang cahaya. Pada metode ini ditetapkan bahwa respon spektral terendah pada setiap band nilainya adalah nol. Oleh karena itu dilakukan pengurangan nilai digital setiap piksel pada semua band sehingga nilai minimumnya sama, yaitu nol. Secara matematis, koreksi pengaruh atmosfer dengan pengaturan histogram dapat dilihat pada persamaan berikut :
Gambar 7. Diagram alir penelitian Substrat dasar Y = ln K1 + ki/kj*ln K2 Klorofil-a 2,41*(KE / K2) + 0,187 MPT 100.6678 + 5.5085*K3 + 0.4563*K2 + 0.9775*K2*K3 Citra Satelit Koreksi geometrik Koreksi radiometrik Komposit citra
Kawasan mangrove Sungai dan muara Keterlindungan lokasi Transformasi citra Data sekunder Dinas Perikanan 1.Infrastruktur 2.pH 3.Salinitas 4.Oksigen terlarut 5.Kawasan pemukiman pesisir
Survey lapang & sampling kualitas 1. pH 2. Salinitas 3. Suhu 4. Oksigen terlarut 5. Posisi stasiun 6. Persen cover terumbu
karang
7. Kelimpahan ikan karang 8. Batimetri Peta Lingkungan Pantai Re-Interpretasi dan editing Konsultasi Pakar
Basis data spasial
Parameter penentu kawasan konservasi laut
Pemodelan spasial berbasis sel (Cell Based Modeling)
Zona tentative Kawasan Konservasi Laut Diterima
Tidak diterima
3
DNi,j,k(output terkoreksi) = DNi,j,k(input asli)-bias
Koreksi geometrik bertujuan untuk memperbaiki distorsi posisi atau letak objek. Distorsi ini dihasilkan oleh faktor seperti variasi tinggi satelit, ketegakkan dan kecepatan satelit (Lillesand dan Kiefer, 1990). Koreksi geometrik dilakukan dengan dua langkah, yaitu: transformasi koordinat (transformation geometric) dan resampling. Transformasi koordinat dilakukan dengan Ground Control Point (GCP) pad output citra yang baru. GCP harus mempunyai sifat geometrik yang tetap pada lokasi yang dapat diketahui dengantepat. Proses penerapan alih ragam geometrik terhadap data asli disebut resampling. Setelah koreksi geometrik dilakukan maka didapat citra yang sesuai dengan posisi sebenarnya di bumi.
3.4.2. Penajaman citra
Proses penajaman citra merupakan proses penggabungan informasi dari citra secara spektral melalui band ratioing (menghitung perbandingan nilai digital piksel setiap band).
3.4.2.1. Penajaman citra untuk karakteristik dasar perairan
Untuk penggambaran karakteristik perairan dangkal digunakan model algoritma yang berasal dari penurunan persamaan ’Standard Exponential Attenuation Model’ oleh Green et. all., 2001. Algoritma tersebut menggunakan band 3 dan band 2 dari citra Formosat-2 . Dasar penggunaan band 3 dan band 2 yaitu karena kedua band ini memiliki penetrasi yang baik ke dalam kolom air.
Algoritma tersebut yaitu :
Y = ln K1 - ki/kj*ln K2 Keterangan : K1 = Kanal band 3 dari Formosat - 2
Ki/kj = Koefisien attenuasi, yang diperoleh dari :
3.4.2.2. Penajaman citra untuk klorofil perairan
Klorofil merupakan indikator yang baik bagi ketersediaan makanan pada trofik level yang lebih tinggi, karena konsentrasi klorofil menentukan besarnya produktivitas primer perairan (Susilo, 2000). Dalam penentuan sebaran spasial klorofil perairan digunakan kombinasi dari band 3 dan band 4. Algoritma yang digunakan dalam penentuan konsentrasi klorofil yaitu (Wibowo et al.,1994 in Susilo, 2000) :
C = 2,41*(K1 / K2) + 0,187
Keterangan : C = Konsentrasi klorofil-a (mg/l) K1 = Kanal band 1 dari Formosat - 2 K2 = Kanal band 2 dari Formosat - 2
3.4.2.3. Penajaman citra untuk muatan padatan tersuspensi
Informasi sebaran muatan padatan tersuspensi di perairan diperoleh menggunakan formula Hasyim et al., (1997) yang telah digunakan oleh LAPAN (2004) dalam pemetaan muatan padatan tersuspensi perairan di Situbondo. Algoritma ini menggunakan kombinasi dari band 2 dan band 1 Formosat - 2. Algoritma tersebut yaitu :
Keterangan : MPT(mg/l) = Muatan Padatan Tersuspensi (mg/l)
K3 = Kanal band 1 dari Formosat - 2
K2 = Kanal band 2 dari Formosat - 2
3.4.2.4. Pemetaan kawasan mangrove
Pemetaan kawasan mangrove di daerah perairan pulau Karang Lebar dan Congkak melalui citra Formosat didasarkan pada sifat penting mangrove yaitu, mangrove mempunyai zat hijau daun (klorofil) dan mangrove tumbuh dipesisir. Sifat optik klorofil sangat khas yaitu bahwa klorofil menyerap spectrum sinar merah dan memantulkan dengan kuat spectrum inframerah (Susilo,2000).
Klasifikasi daerah mangrove pada citra dilakukan melalui training area pada daerah yang dibuat komposit RGB 423. Metode Maximum Likehood merupakan salah satu metode klasifikasi digital yang terselia/terbimbing (Supervised). Penulis menggunakan metode ini karena metode ini merupakan metode yang terbaik dibandingkan yang lain (Parallepiped dan Minimum Distance). Metode Maximum Likehood atau peluang maksimum atau kemiripan maksimum
meganalisis fungsi peluang multidimensional untuk menentukan suatu piksel tertentu lebih berpeluang masuk ke dalam kelas tertentu. Training area atau daerah contoh untuk setiap kelas ini akan ditentukan nilai-nilai statistiknya, sehingga dapat digunakan sebagai acuan dalam klasifikasi seluruh daerah yang ada pada citra. Vegetasi akan terlihat berwarna merah tua pada komposit RGB 423, sehingga dapat dengan mudah di-training dan terbentuklah kelas mangrove sebagai dasar analisis selanjutnya.
3.4.3. Klasifikasi citra
Citra yang telah ditransformasikan dengan algoritma-algoritma tersebut selanjutnya diklasifikasi. Klasifikasi merupakan suatu proses pengelompokan nilai reflektansi dari setiap objek ke dalam kelas-kelas tertentu sehingga mudah dikenali. Dalam penelitian ini klasifikasi yang digunakan adalah klasifikasi terbimbing (Supervised Classification) dan tak terbimbing (Unsupervised Classification).
3.4.4. Penilaian hasil dan analisis ketelitian data
Penelitian menggunakan metode dan data tertentu perlu dilakukan uji ketelitian atau validasi data, karena hasil uji ketelitian mempengaruhi besarnya tingkat kepercayaan pengguna terhadap setiap jenis data maupun metode analisisnya. Hal ini juga dilakukan untuk membuktikan kesesuaian antara klasifikasi citra dengan data lapangan yang didapat. Perhitungan akurasi data dilakukan dengan membuat matrix kontingensi, yang disebut confusion matrix yang didapat dengan cara membandingkan perhitungan titik sampel di lapangan (groundtruth) dengan data hasil klasifikasi citra (jumlah pixelnya). Nilai ketelitian yang diharapkan nantinya harus memenuhi syarat lebih besar dari 70 % (Purwadhi 2001), sehingga dari nilai yang didapatkan tersebut merupakan pembuktian terhadap nilai kevalidan data citra.