KAJIAN TUMPAHAN MINYAK MONTARA DI LAUT
TIMOR BERDASARKAN METODE PENGENALAN POLA
SPEKTRAL CITRA SATELIT ALOS-PALSAR
ANSTAYN NAMBERON SARAGIH
PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa Skripsi yang berjudul Kajian Tumpahan Minyak Montara Di Laut Timor Berdasarkan Metode Pengenalan Pola Spektral Citra Satelit ALOS-PALSAR adalah benar merupakan hasil karya sendiri dengan arahan dari Komisi Pembimbing dan belum diajukan dalam bentuk apapun kepada perguruan tinggi manapun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan tercantum dalam Daftar Pustaka di bagian akhir Skripsi ini.
Dengan ini saya melimpahkan hak cipta dan karya tulis ini kepada Institut Pertanian Bogor.
Bogor, November 2014
A
BSTRAK
ANSTAYN N SARAGIH. Kajian Tumpahan Minyak Montara di Laut Timor Berdasarkan Metode Pengenalan Pola Spektral Citra Satelit ALOS-PALSAR. Dibimbing oleh JAMES PARLINDUNGAN PANJAITAN dan TEGUH PRAYOGO
Pencemaran perairan yang diakibatkan tumpahan minyak dapat merusak lingkungan laut dan sumber daya hayati. Dampak pencemaran dapat mengganggu kegiatan ekonomi masyarakat pesisir. Penelitian ini bertujuan untuk menduga tumpahan minyak yang terdapat di perairan lokasi penelitian berdasarkan citra ALOS-PALSAR, mengidentifikasi tumpahan minyak, dan mengklasifikasikan tumpahan minyak Montara di Laut Timor berdasarkan nilai hambur balik dan indeks sebaran tumpahan minyak. Citra di-filter dengan berbagai ukuran kernel filter sehingga diperoleh nilai hambur balik citra yang tidak mengandung noise. Tumpahan minyak diklasifikasikan menjadi tiga kelas berdasarkan nilai hambur balik masing piksel pada citra. Selang nilai hambur balik untuk masing-masing kelas tumpahan minyak, yaitu: tumpahan minyak berat adalah -34.00 s/d -31.52 dB, tumpahan minyak sedang adalah -31.52 s/d -30.18 dB, dan tumpahan minyak ringan adalah -30.18 s/d -27.49 dB. Berdasarkan nilai index sebaran tumpahan minyak (OSI), tumpahan minyak diklasifikasikan menjadi tiga kelas. Nilai index sebaran tumpahan minyak untuk masing-masing kelas tumpahan minyak, yaitu: tumpahan minyak berat adalah 0.17-0.34, tumpahan minyak sedang adalah 0.67-0.96, dan tumpahan minyak ringan adalah 1.03-1.25.
Kata kunci: Tumpahan minyak, filter, kernel, hambur balik, klasifikasi
ABSTRACT
ANSTAYN N SARAGIH The Study of Montara Oil Spills at Timor Sea Based on Spectral Pattern Recognition Method of ALOS-PALSAR Satellite Imagery. Supervised by JAMES PARLINDUNGAN PANJAITAN and TEGUH PRAYOGO
Water pollution caused by oil spills could harm marine environment and biological resources. The impact of pollution can disrupt economic activities of coastal communities. This study aimed at suspected the oil spill in the waters research site based on the image data of the ALOS-PALSAR, identify and classify the Montara oil spill in the Timor Sea based on backscatter value and oil spread index. Image filtered with different filter kernel size in order to obtain the value of backscatter images that does not contain noise. Oil spills are classified into three classes based on backscatter of each pixel in the image. The range of Backscatter values for each class of oil spills, i.e.: heavy oil spill is -34.00 to -31.52 dB, medium oil spill is -31.52 to -30.18 dB, and light oil spill is -30.18 to -27.49 dB. Based on oil spread index (OSI), oil spills are classified into three classes. Oil spread index value for each class of oil spills, i.e: heavy oil spill is 0.17-0.34, medium oil spill is 0.67-0.96, and light oil spill is 1.03-1.25.
KAJIAN TUMPAHAN MINYAK MONTARA DI LAUT
TIMOR BERDASARKAN METODE PENGENALAN POLA
SPEKTRAL CITRA SATELIT ALOS-PALSAR
ANSTAYN NAMBERON SARAGIH
Skripsi
Sebagai salah satu syarat untuk memperoleh gelar Sarjana Ilmu Kelautan
pada
Departemen Ilmu dan Teknologi Kelautan
DEPARTEMEN ILMU DAN TEKNOLOGI KELAUTAN FAKULATAS PERIKANAN DAN ILMU KELAUTAN
SKRIPSI
Judul Skripsi : Kajian Tumpahan Minyak Montara di Laut Timor Berdasarkan Metode Pengenalan Pola Spektral Citra Satelit ALOS-PALSAR
Nama : Anstayn Namberon Saragih
NIM : C54080017
Program Studi : Ilmu dan Teknologi Kelautan
Disetujui oleh
Dr. Ir. James P Panjaitan, M.Phil Teguh Prayogo, S.T., M.Si
Pembimbing Utana Pembimbing Anggota
Diketahui oleh
PRAKATA
Puji syukur penulis panjatkan kepada Tuhan Yang Maha Esa atas semua rahmat dan karunia yang telah diberikan-Nya sehingga penulis dapat menyelesaikan penyusunan skripsi berjudul “Kajian Tumpahan Minyak Montara di Laut Timor Berdasarkan Metode Pengenalan Pola Spektral Citra Satelit ALOS-PALSAR”. Penelitian ini merupakan tugas akhir sebagai salah satu syarat untuk memperoleh gelar kesarjanaan di Departemen Ilmu dan Teknologi Kelautan yaitu Sarjana Ilmu Kelautan.
Pada kesempatan ini penulis mengucapkan terima kasih sebesar-besarnya atas bimbingan, dorongan, bantuan dan doa dari berbagai pihak terutama kepada : 1. Dr. Ir. James P Panjaitan, M.Phil dan Teguh Prayogo, S.T., M.Si selaku dosen
pembimbing, atas segala bimbingan dan pengarahannya yang diberikan kepada penulis.
2. Dr. Ir. Vincentius P Siregar, DEA selaku dosen penguji, atas kritik dan saran yang membangun untuk penyempurnaan skripsi ini.
3. Staf Departemen Ilmu dan Teknologi Kelautan FPIK-IPB yang telah membantu dalam menyelesaikan administrasi.
4. Kedua orang tua tercinta Bapak Alisman Saragih, S.H dan Ibu Masly Sinaga, Kakak tersayang Astrya Umacy Saragih, S.H, yang telah memberikan kasih sayang, doa, dan motivasi yang tiada batas kepada penulis.
5. Keluarga besar Departemen Ilmu dan Teknologi Kelautan, khususnya teman teman ITK 45 yang telah memberikan dukungan dan memberikan semangat kepada penulis.
6. Keluarga besar Marine Camp : Cuplis, Coro, Kijah, Dewa, Ridho, Nanda, Acu, Erik, Bere, Conde, Viko yang memberikan kenyamanan dalam sebuah keluarga.
7. Keluarga besar Warkopers : Fahmi, Cimol, Iyan, Ikur, Ridho, Love, Anta yang memberikan kenyamanan dalam sebuah keluarga.
8. Keluarga besar Kos-kosan Guru Pardesi : Gusto, Jonathan, Ridwan, Berto, Nando, Randi, Radi, Anju yang memberikan kenyamanan dalam sebuah keluarga.
9. Semua pihak yang telah membantu penulis yang tidak dapat penulis sebutkan nama satu persatu.
Penulis menyadari bahwa dalam penulisan skripsi ini masih jauh dari sempurna. Penulis mengharapkan saran dan kritik yang bersifat membangun dari semua pihak demi penyempurnaan skripsi ini. Semoga tulisan ini bermanfaat bagi semua pihak yang memerlukannya.
Bogor, November 2014
DAFTAR ISI
Halaman
PENDAHULUAN 1
Latar Belakang 1
Tujuan 2
METODE PENELITIAN 2
Lokasi Penelitian 2
Waktu Penelitian 3
Alat dan Bahan 3
Pengolahan Citra Satelit ALOS-PALSAR 4
Penggunaan Filter Low_freq 5
Identifikasi Tumpahan Minyak 6
Klasifikasi Tumpahan Minyak 7
HASIL DAN PEMBAHASAN 9
Konversi Format Citra ALOS-PALSAR 9
Penggabungan Citra ALOS 10
Penggunaan Filter Low_freq dan Analisis Visual Citra 10
Identifikasi Tumpahan Minyak 15
Klasifikasi Tumpahan Minyak 18
Pola Pergerakan Angin Di Laut Timor 22
Pola Pergerakan Arus Di Laut Timor 25
KESIMPULAN DAN SARAN 26
Kesimpulan 26
Saran 27
DAFTAR PUSTAKA 27
DAFTAR GAMBAR
Gambar Halaman
1. Lokasi penelitian di Laut Timor, bagian Selatan Nusa Tenggara Timur 3 2. Lebar lingkaran menyentuh dua sisi tepi tumpahan minyak (a)
dan lingkaran memiliki sudut Ɵ (b) 6
3. Diagram alir pengolahan citra ALOS-PALSAR 8
4. Citra ALOS-PALSAR format *.ceos, (a) polarisasi HH scene 6940, (b) polarisasi HH scene 6930, (c) polarisasi HV scene 6940,
(d) polarisasi HV scene 6930. 9
5. Citra ALOS-PALSAR Laut Timor, (a) scene ID citra
ALPSRP192186940, (b) scene ID citra ALPSRP192186930,
(c) citra hasil gabungan. 10
6. Citra ALOS-PALSAR hasil filter low_freq, (a) frekuensi rendah,
(b) frekuensi tinggi 11
7. Citra ALOS-PALSAR hasil filter low_freq, (a) polarisasi HH,
(b) polarisasi HV 11
8. Visualisasi hasil pengolahan dengan kernelfilterlow_freq,
(a) 3x3, (b) 5x5, (c) 9x9, (d) 15x15, (e) 33x33 13
9. Garis transek pada citra filter Low_freq 13
10. Profil nilai hambur balik dari polarisasi HH dan HV
dengan ukuran kernelfilter low_freq, (a) 3x3, (b) 5x5, (c) 9x9,
(d)15x15, (e) 33x33 15
11. Jenis sample region pada citra filterlow_freq dengan ukuran
kernel 33x33, (a) ukuran diameter berbeda, (b) ukuran diameter sama 15 12. Grafik parameter statistik rata-rata (mean), (a) sample region ukuran
diameter berbeda, (b) sample region ukuran diameter sama 16 13. Garis transek pada citra ALOS-PALSAR filter low_freq 33x33 18 14. Tampilan visual klasifikasi tumpahan minyak di Laut Timor 19
15. Profil nilai OSI dari sample region 21
16. Posisi region tumpahan minyak 21
17. Pergerakan angin, (a) arah dan kecepatan angin di Laut Timor pada
14 Agustus – 21 Agustus 2009, (b) Wind rose pergerakan angin 22 18. Pergerakan angin, (a) arah dan kecepatan angin di Laut Timor pada
21 Agustus 2009, (b) Windrose pergerakan angin 23 19. Pergerakan angin, (a) arah dan kecepatan angin di Laut Timor pada
22 Agustus – 4 September 2009, (b) Windrose pergerakan angin 23 20. Pergerakan angin, (a) arah dan kecepatan angin di Laut Timor pada
2 September 2009, (b) pergerakan angin pada citra,
(c) Windrose pergerakan angin 24
21. Pergerakan angin, (a) arah dan kecepatan angin di Laut Timor pada
DAFTAR TABEL
Tabel Halaman
1. Keterangan citra ALOS-PALSAR Laut Timor 4
2. Kisaran nilai hambur balik parameter statistik rata-rata (dB) dua
Jenis sample region 17
3. Nilai selang hambur balik tumpahan minyak dan air laut 19
4. Luas area dan volume tumpahan minyak 20
5. Klasifikasi viskositas minyak terhadap OSI 20
DAFTAR LAMPIRAN
Lampiran Halaman
1. Penampilan nilai hambur balik band HH dan HV serta selisih HH-HV 29 2. Data nilai parameter statistik citra tiap region dengan diameter berbeda 30 3. Data nilai parameter statistik citra tiap region dengan diameter sama 31
4. Tutorial pengolahan citra 33
5. Posisi citra ALOS-PALSAR pada lokasi penelitian 40
6. Tumpahan minyak Montara (21 Oktober 2009) 40
7. Ukuran kernel filter yang digunakan, (a) 3x3, (b) 5x5, (c) 9x9
(d) 15x15, (e) 33x33 41
PENDAHULUAN
Latar Belakang
Pencemaran perairan yang diakibatkan tumpahan minyak diduga dapat merusak lingkungan dan sumber daya hayati di laut. Akibat tumpahan minyak tersebut dapat mengganggu kegiatan ekonomi masyarakat pesisir dengan indikasi menurunnya jumlah ikan hasil tangkapan dan tercemarnya lingkungan budidaya ikan dan rumput laut yang berdampak pada berkurangnya pendapatan nelayan. Pendeteksian sebaran tumpahan minyak perlu dilakukan untuk memantau potensi ekosistem laut agar kondisi sosial dan ekonomi masyarakat nelayanya tidak terganggu. Data spasial permukaan laut sangat dibutuhkan untuk mengidentifikasi dampak negatif dari persebaran tumpahan minyak. Pengamatan persebaran tumpahan minyak di suatu perairan laut perlu dilakukan secara berkelanjutan karena komponen minyak tidak langsung terurai. Hasil penelitian Fingas dan Brown pada tahun 2009, menunjukkan bahwa 48% polusi minyak di laut berasal dari bahan bakar minyak, 29% berasal dari crude oil/minyak mentah dan hanya 5% polusi minyak yang disebabkan kecelakaan tanker.
Perairan Indonesia kerap kali dicemari oleh kegiatan industri di laut seperti transportasi laut dan pengeboran minyak lepas pantai. Salah satu peristiwa tercemarnya perairan di Indonesia terjadi di Laut Timor akibat tumpahan minyak pada 21 Agustus 2009. Tumpahan minyak tersebut berasal dari bocornya minyak mentah (crude oil) dan gas hidrokarbon akibat ledakan pengeboran bawah laut
offshore rig yang dioperasikan oleh The Montara Well Head Platform di Blok
West Atlas, 140 mil laut utara Perairan Australia pada posisi 120 Lintang Selatan (LS) dan 1240 Bujur Timur (BT) pada kedalaman 80 meter. Kebocoran ini telah menumpahkan minyak mentah (crude oil) dan gas hidrokarbon lebih-kurang 64 ton per hari (80.000 liter/hari) sampai kebocoran minyak tersebut dapat berhenti. Minyak mentah yang berasal dari dasar laut menyembur dan mencemari perairan Australia dan memasuki batas perairan ZEEI Indonesia mendekati Pulau Rote. Pada tanggal 7 Oktober 2009 tumpahan minyak mentah telah mencapai perairan Pulau Rote Provinsi Nusa Tenggara Timur (NTT) dengan jarak lebih kurang 51 mil laut.
Deteksi dan pemantauan tumpahan minyak dapat dilakukan dengan menggunakan kapal, pesawat terbang dan satelit. Pendeteksian dan monitoring tumpahan minyak yang utama dilakukan dengan pesawat terbang dan satelit yang diperlengkapi dengan sistem radar basis sistem Real Aperture Radar (RAR) dan sistem Synthetic Aperture Radar (SAR). Sistem SAR merupakan sebuah sensor gelombang-mikro aktif yang mengirim dan menangkap pulsa balik untuk dibentuk menjadi gambar 2D. Keuntungan dari sistem SAR adalah observasi dapat dilakukan siang dan malam, pengoperasian tidak terkendala tutupan awan, mampu beroperasi dalam segala kondisi cuaca, memiliki resolusi spasial tinggi dan luasan area yang luas. Satelit Andvance Land Observing Satellite (ALOS) dapat digunakan dalam mendeteksi dan monitoring tumpahan minyak di laut. Satelit ALOS membawa sensor Phased Array type L-Band Synthetic Aperture Radar
lokasi yang sama (siklus pengulangan orbit) setiap 46 hari. Satelit ALOS-PALSAR adalah milik JAXA (Japan Aerospace eXploration Agency)
Hambur balik dari objek yang ditangkap kembali oleh sensor SAR menggambarkan permukaan objek. Lapisan Tumpahan minyak di laut memiliki sifat sebagai penyerap radiasi sehingga akan mengurangi nilai hambur balik (backscatter) permukaan laut yang pada citra ditunjukkan sebagai zona gelap (Tapouzelis, 2008). Oleh karena kemampuan tersebut, teknologi ini dapat digunakan dalam mendeteksi tumpahan minyak di Laut Timor, dimana penelitian ini dilakukan.
Berdasarkan uraian di atas, maka penelitian ini sangat perlu dilakukan untuk pendeteksian sebaran tumpahan minyak, sehingga diketahui luasan dan banyaknya tumpahan minyak yang mencemari Laut Timor. Pengolahan citra ini, dilakukan dengan metode filtering citra, pengamatan tumpahan minyak secara visual serta analisis digital dari pola spektral (nilai backscatter/ hambur balik), penentuan nilai ambang batas untuk klasifikasi tumpahan minyak serta metode penentuan jenis tumpahan minyak berdasarkan formulasi Oil Spread Index (OSI). Metode filtering citra yang digunakan adalah filter low_freq. Penelitian ini diharapkan dapat menduga dan mengklasifikasikan jenis tumpahan minyak.
Tujuan
Penelitian ini bertujuan untuk menduga tumpahan minyak yang terdapat di perairan lokasi penelitian berdasarkan citra ALOS-PALSAR, mengidentifikasi tumpahan minyak, dan mengklasifikasikan tumpahan minyak Montara di Laut Timor berdasarkan nilai hambur balik dan indeks sebaran tumpahan minyak dengan menggunakan citra satelit ALOS PALSAR.
METODE PENELITIAN
Lokasi Penelitian
Lokasi penelitian ini berada di Laut Timor di sekitar anjungan pengeboran minyak/Platform yang dioperasikan oleh Montara, Platform Montara dan Well head Platform. Kedua platform ini berada pada koordinat 11°38’45,9’’ LS -
12°48’56,96’’ LS dan 124°33’16,28’’ BT - 125°26’10,01’’ BT (Gambar 1). Jarak
(sumber gambar : https://www.amsa.gov.au/environment/major-historical-incidents/Montara_Well)
Gambar 1. Lokasi penelitian di Laut Timor, bagian Selatan Nusa Tenggara Timur Laut Timor berada di bagian selatan Provinsi Nusa Tenggara Timur yang berbatasan secara langsung dengan perairan Australia. Diperairan Laut Timor terdapat beberapa pulau seperti Pulau Rote, Pulau Nusa, Pulau Ndao, Pulau Panama dan beberapa pulau lain. Sesuai perjanjian perbatasan laut pada tahun 1972 antara Indonesia dan Australia, Laut Timor masuk kedalam perairan Indonesia sejauh 370,4 km dari Provinsi Nusa Tenggara Timur dan 250 km kedalam perairan Australia dari Barat Laut Australia (La’o Hamutuk, 2002).
Waktu Penelitian
Penelitian ini dilakukan pada bulan Juli 2013 sampai dengan bulan Februari 2014, yang dimulai dengan pengambilan data citra satelit ALOS-PALSAR, pengolahan citra dan analisa tumpahan minyak. Pengolahan citra dan analisa data dilakukan di Bagian Inderaja dan Sistem Informasi Kelautan, Departemen Ilmu dan Teknologi Kelautan, FPIK-IPB dan di Bidang Sumberdaya Wilayah Pesisir dan Laut, Pusat Pemanfaatan Penginderaan Jauh, Lembaga Penerbangan dan Antariksa Nasional (LAPAN), Pekayon, Jakarta Timur.
Alat dan Bahan
diperoleh dari Japan Aerospace eXploration Agency (JAXA) melalui Pusat Pemanfaatan Penginderaan Jauh, LAPAN. Tabel 1 merupakan keterangan dari
Scene citra ALOS-PALSAR yang digunakan pada penelitian ini: Tabel 1. Keterangan citra ALOS-PALSAR Laut Timor
Sebagai tambahan, maka ditampilkan arah pergerakan angin. Data angin diperoleh dari website http://data-portal.ecmwf.int. Data angin yang digunakan adalah data satu minggu sebelum tumpahan minyak terjadi (14 Agustus – 21 Agustus 2009), saat tumpahan minyak (21 Agustus 2009), dua minggu setelah tumpahan minyak (22 Agustus – 4 September 2009), saat perekaman (sesuai citra, 2 September 2009), dan saat kebocoran minyak teratasi (3 November 2009). Selain pergerakan angin, ditampilkan pula arah pergerakan arus. Data arus diperoleh dari website http://www.indeso.web.id/indeso_wp/index.php/component/ lendr. Data arus yang digunakan adalah data arus saat perekaman satelit (2 September 2009).
Pengolahan Citra Satelit ALOS-PALSAR
Tahapan pengolahan citra ALOS-PALSAR pada penelitian dimulai dengan mengkonversi dua scene citra (6940 dan 6930) yang memiliki format data *.ceos menjadi format data citra *.ers dengan menggunakan software ENVI 4.5. Konversi format data citra ini dimaksudkan agar dapat mempermudah proses pengolahan citra. Menggunakan software ErMapper, citra scene 6940 dan 6930 yang sudah dalam bentuk format *.ers selanjutnya digabung (mozaik) agar menjadi satu scene citra dengan polarisasi HH dan HV. Citra hasil gabungan ini yang selanjutnya diolah dalam mendeteksi dan pengklasifikasian tumpahan minyak.
Satelit ALOS-PALSAR yang menggunakan L-Band dengan frekuensi 1270 MHz. Nilai frekuensi kemudian dikonversi sehingga menjadi nilai hambur balik (dB). Nilai frekuensi terlebih dahulu dikonversi menjadi panjang gelombang (wavelength) berdasarkan teori Maxwell’s Wave berikut ini (Lusch, 1999):
... (1)
dimana
= kecepatan cahaya, 3x10
8 m/s = panjang gelombang (m) = Frekuensi (Hz)Gelombang mikro hasil pantulan oleh objek akan ditangkap kembali oleh sensor pada satelit dan disimpan sebagai nilai digital pada citra. Nilai digital dihasilkan dengan memanfaatkan nilai panjang gelombang yang dikalkulasikan menggunakan persamaan radar (Lusch, 1999) berikut ini:
No Scene ID Frame Path Tanggal
1 ALPSRP192186940 6940 406 02/09/09
... (2)
dimana = kekuatan (power) gelombang mikro hasil pantulan objek yang diterima antenna
= kekuatan (power) yang ditransmisikan oleh sistem radar = koefisien radar scattering dari target
= luasan resolusi sel pada sistem radar = gain dari antenna
= panjang gelombang sistem radar = jarak dari antenna ke target
Nilai digital yang dihasilkan kemudian dikoreksi nilai hambur balik. Koreksi nilai hambur balik berupa konversi nilai digital citra menjadi nilai hambur balik (backscatter) dengan satuan dB. Konversi nilai digital menjadi nilai hambur balik dilakukan dengan menggunakan rumus berikut:
NRCS (dB) = 10 x log10 (DN2) + CF ... (3)
NRCS adalah Normalized Radar Cross Setting dengan satuan dB, DN adalah
Digital Number/ nilai digital tiap piksel dari kanal citra dan CF adalah Calibration Factor/ faktor kalibrasi dengan nilai tetapan -83 (Shimada et al, 2009).
Penggunaan Filter Low_freq
Pendeteksian dan klasifikasi tumpahan minyak dengan menggunakan citra ALOS-PALSAR ini diproses dengan memakai filter low_freq untuk mengidentifikasi dan memperjelas area tumpahan minyak (daerah hitam).
Filtering adalah suatu cara untuk ekstraksi bagian data yang menyimpang dari suatu himpunan data, dengan menghilangkan bagian-bagian data yang tidak diinginkan. Penggunaan filter bertujuan agar kontras perbedaan antara tumpahan minyak dengan air laut dapat diidentifikasi. Fungsi dari filter low_freq ini adalah meminimalkan atau menghilangkan data frekuensi tinggi yang mengganggu analisa hasil pengolahan citra, sehingga mengghasilkan tampilan yang lebih mudah diidentifikasi (Fisher et al, 2003). Frekuensi yang dimaksud adalah besarnya perubahan nilai-nilai pada piksel per satuan jarak untuk setiap bagian tertentu dari gambar (distribusi nilai-nilai piksel). Dalam penggunaan filter, kemudian dilakukan modifikasi beberapa ukuran kernel filter, untuk memperoleh hasil yang dapat lebih mempertajam/memperhalus tampilan citra. Modifikasi
kernel filter ini berpengaruh terhadap nilai hambur balik dan noise pada citra sehingga memudahkan dalam pendeteksian tumpahan minyak. Semakin besar
kernel filter yang digunakan maka filter akan semakin sensitif terhadap noise
(Gupta and Mazundar, 2013). Kernel filter adalah susunan angka seperti matriks (n kolom x n baris) yang menentukan bagaimana sebuah citra akan di-filter.
tumpahan minyak tersebut adalah minyak yang memiliki viskositas tinggi (kental) atau rendah karena sudah bercampur dengan air laut (Alawadi, 2009).
Identifikasi Tumpahan Minyak
Daerah tumpahan minyak yang teridentifikasi setelah penggunaan filter low_freq akan dapat diketahui sifat tumpahannya (berat, sedang, dan ringan) dengan algoritma oil spread index (OSI). Pada area tumpahan minyak dibuatkan lingkaran/region untuk mewakili setiap tumpahan minyak, dimana pembuatan lingkaran harus memperhatikan faktor-faktor, yaitu: (1) lebar lingkaran harus menyentuh dua sisi tepi tumpahan minyak, (2) lingkaran harus memiliki sudut Ɵ yang terletak antara tegak lurus jari-jari lingkaran dan tangent lingkaran sebesar
100o < Ɵ < 180o (Alawadi, 2009). Lapisan tumpahan minyak (oil slick) dapat
diidentifikasi di dalam suatu citra SAR karena lapisan minyak mempunyai viskositas lebih besar dari pada air laut, sehingga menyebabkan adanya tekanan permukaan laut. Hal ini menimbulkan atenuasi gelombang-gelombang kapiler (gelombang kecil beberapa cm sampai dengan beberapa meter pada permukaan laut) sehingga memperkecil radiasi hamburan balik. Daerah yang mempunyai nilai hamburan balik yang rendah tampak lebih hitam (gelap) dalam citra radar (Ivanov et al, 2002). Adapun pembuatan lingkaran/region dapat dilihat pada Gambar 2.
(a) (b)
Gambar 2. Lebar lingkaran menyentuh dua sisi tepi tumpahan minyak (a) dan lingkaran memiliki sudut Ɵ (b)
Berdasarkan ketentuan tersebut, maka nilai OSI dapat dihitung dengan menggunakan persamaan (4) di bawah ini (Alawadi, 2009):
terhadap viskositas minyak (ɳ) seperti yang ditunjukkan persamaan (5) di bawah ini (Alawadi, 2009):
... (5) Dari setiap region yang dibuat, maka akan dihasilkan nilai index tumpahan minyak dan nilai hambur balik (backscatter) dan parameter statistik citra seperti nilai minimum, maksimum, rerata (mean) dan standar deviasi (Paringit dan Santillan, 2011). Keseluruhan dari nilai-nilai ini kemudian ditampilkan dalam bentuk grafik sehingga dapat dilakukan analisis untuk membedakan objek tumpahan minyak. Identifikasi tumpahan minyak meliputi tiga tahapan yang umumnya digunakan dalam identifikasi tumpahan minyak dengan SAR (Topouzelis, 2008), yaitu: (1) identifikasi dan isolasi semua daerah gelap pada citra, (2) ekstraksi parameter statistik dari citra, (3) klasifikasi dari daerah gelap (tumpahan minyak).
Klasifikasi Tumpahan Minyak
Klasifikasi citra merupakan pengelompokan keseluruhan piksel pada suatu citra kedalam sejumlah kelas tertentu, sehingga tiap-tiap kelas dapat mewakili suatu entitas dengan sifat-sifat tertentu (Chang dan Ren, 2000). Secara umum, tiap-tiap piksel gambar yang memiliki kesamaan nilai atau sifat akan dikelompokkan kedalam kelas yang sama. Klasifikasi dibagi kedalam dua bentuk, yaitu klasifikasi terbimbing (supervised) dan klasifikasi tidak terbimbing (unsupervised). Pemilihannya bergantung dari ketersediaan data awal atau informasi penunjang pada citra tersebut (Freddy dan Paul, 1994). Dalam penelitian ini dilakukan klasifikasi tidak terbimbing (unsupervised classification).
Citra ALOS-PALSAR format *.ceos
Konversi data *.ceos menjadi *.ers dengan ENVI 4.5
Penggabungan 2 scene citra 6930 dan 6940 Polarisasi HH dan HV
Konversi nilai digital menjadi nilai hambur balik
HV HH
Penggunaan Low_freq filter
Identifikasi Tumpahan Minyak
Klasifikasi Tumpahan Minyak Data dan Grafik
Analisis Nilai Hambur Balik
Tumpahan Minyak Terklasifikasi/ Kelompok Sebaran Tumpahan Minyak
HASIL DAN PEMBAHASAN
Konversi Format Citra ALOS-PALSAR
Pada penelitian ini, citra yang digunakan adalah citra radar dari satelit ALOS-PALSAR. Citra ini memiliki format data *.ceos. Agar lebih memudahkan dalam pengolahan citra lebih lanjut, maka dilakukan konversi format citra. Dimana, citra dengan format *.ceos dikonversi dengan menggunakan perangkat lunak ENVI 4.5 menjadi citra dengan format *.ers.
Citra dengan format *.ers selanjutnya diolah dengan menggunakan perangkat lunak ER Mapper sehingga didapatkan klasifikasi tumpahan minyak. Dari keempat citra format *.ceos, dapat dilihat terang gelapnya citra dan kekasaran permukaan citra. Adapun citra dengan format *.ceos dapat dilihat pada Gambar 4 di bawah ini.
(a) (b)
(c) (d)
Gambar 4. Citra ALOS-PALSAR format *.ceos, (a) polarisasi HH scene 6940, (b) polarisasi HH scene 6930, (c) polarisasi HV scene 6940,
(d) polarisasi HV scene 6930
HH HH
HV HV
6930
6930 6940
Penggabungan Citra ALOS-PALSAR
Identifikasi tumpahan minyak Montara di Laut Timor pada tahun 2009 dilakukan dengan memanfaatkan dua scene citra satelit ALOS-PALSAR 4.1 tanggal 2 September 2009 pukul 14:36:46 scene ID citra ALPSRP192186930 dan pukul 14:36:54 scene ID citra ALPSRP192186940.
Penggabungan dua scene citra ini dilakukan dengan tujuan agar memperoleh cakupan wilayah tumpahan minyak yang lebih luas. Dua scene citra ALOS-PALSAR yang telah digabungkan ini memiliki polarisasi HH dan HV. Setelah digabungkan maka dilakukan konversi digital number (DN) menjadi nilai hambur balik (backscatter) citra. Adapun hasil penggabungan dua scene citra seperti pada Gambar 5 di bawah ini.
Gambar 5. Citra ALOS-PALSAR Laut Timor, (a) scene ID citra
ALPSRP192186940, (b) scene ID citra ALPSRP192186930, (c) citra hasil gabungan.
Penggunaan Filter Low_freq dan Analisis Visual Citra
(a) (b)
Gambar 6. Citra ALOS-PALSAR hasil filter low_freq, (a) frekuensi rendah, (b) frekuensi tinggi
Citra frekuensi rendah memiliki distribusi nilai-nilai intensitas piksel yaitu -34.18 s/d -11.82 dB, sedangkan citra frekuensi tinggi memiliki distribusi nilai-nilai intensitas piksel yaitu -16.00 s/d 13.15 dB. Penerapan filter low_freq
kemudian dilakukan pada polarisasi citra HH dan HV. Adapun citra polarisasi HH dan HV hasil filterlow_freq dapat dilihat pada Gambar 7.
(a) (b)
Dari hasil penggunaan filter low_freq terhadap polarisasi HH dan HV pada citra, polarisasi HH memperlihatkan dengan jelas terdapat tumpahan minyak pada perairan. Hasil tampilan citra ini kemudian diperjelas dengan memodifikasi kernel filter low_freq. Beberapa ukuran kernel filter kemudian diaplikasikan seperti ukuran kernel filter 3x3, 5x5, 9x9 dan 15x15 dan 33x33.
Selain untuk memperjelas tampilan objek secara visual, modifikasi ukuran
kernel filter ini bertujuan untuk generalisasi profil nilai hambur balik masing-masing area tumpahan minyak yang diamati dari profil garis transek nilai hambur balik. Gambar 8 berikut ini merupakan hasil pengolahan citra yang dihasilkan dari beberapa ukuran kernelfilter 3x3, 5x5, 9x9 dan 15x15 dan 33x33.
(a) (b)
(d) (e)
Gambar 8. Visualisasi hasil pengolahan dengan kernel filterlow_freq, (a) 3x3, (b) 5x5, (c) 9x9, (d) 15x15, (e) 33x33
Secara visual, hasil kelima kernel filter ini nampak seperti sama, tetapi dari kekasaran permukaannya citra terlihat berbeda. Masing-masing ukuran kernel
mengandung pola angka yang berbeda sehingga akan menghasilkan keluaran/hasil yang berbeda. Perbedaan ukuran kernel akan mempengaruhi nilai piksel. Pada penelitian ini, pengaruh terhadap nilai piksel dapat dilihat dari nilai hambur balik yang dihasilkan. Dari lima ukuran kernel filter yang digunakan, keseluruhan ukuran kernelfilter menghasilkan tampilan citra yang mampu membedakan antara tumpahan minyak dan perairan.
Dalam menentukan citra yang akan digunakan untuk identifikasi tumpahan minyak, perlu dilihat nilai hambur balik hasil dari masing-masing ukuran kernel filter. Untuk itu pada masing-masing ukuran kernelfilter dibuat garis transek yang dapat mewakili baik perairan maupun tumpahan minyak. Adapun garis transek dapat dilihat pada Gambar 9.
Dari transek yang dibuat akan menghasilkan profil nilai hambur balik seperti yang terlihat pada Gambar 10.
(a)
(b)
(c)
(e)
Gambar 10. Profil nilai hambur balik dari polarisasi HH dan HVdengan ukuran
kernelfilter low_freq, (a) 3x3, (b) 5x5, (c) 9x9, (d)15x15, (e) 33x33 Citra dengan ukuran kernel filter 33x33 menghasilkan grafik yang lebih baik dibandingkan dengan keempat ukuran kernel lainnya. Hal ini terlihat dari profil grafik yang lebih smooth/halus karena nilai noise telah dihilangkan. Dari grafik tansek dan visual citra yang dihasilkan, maka citra dengan ukuran kernel filter low_freq 33x33 dapat digunakan untuk pendeteksian kelompok tumpahan minyak.
Identifikasi Tumpahan Minyak
Tumpahan minyak dicirikan dengan nilai hambur balik (backscatter) yang rendah, sehingga pada citra akan terlihat seperti area gelap dibandingkan dengan perairan yang terlihat lebih cerah. Berdasarkan hasil analisis visual citra serta grafik transek, diketahui bahwa penampakan tumpahan minyak lebih jelas terlihat pada polarisasi HH hasil filter low_freq dengan ukuran kernel 33x33. Pendeteksian tumpahan minyak kemudian dilakukan dengan pengamatan terhadap parameter statistik citra. Pada citra kemudian dibuat 30 sample region yang mewakili area tumpahan minyak pada lokasi kajian, seperti pada Gambar 11.
(a) (b)
Gambar 11. Jenis sample region pada citra filterlow_freq dengan ukuran
Pada pendeteksian tumpahan minyak, dibuat 30 sample region dengan ukuran diameter berbeda dan 30 sample region dengan ukuran diameter sama. Dari setiap sample region kemudian dilakukan ekstraksi nilai hambur balik parameter statistik minimum, maksimum, rerata (mean) dan standar deviasi. Profil nilai hambur balik dari setiap parameter ini kemudian ditampilkan dalam grafik dan tabel. Kedua jenis sample region (diameter berbeda dan sama) dibuat untuk melihat pengaruh ukuran diameter terhadap nilai parameter statistik. Selain untuk identifikasi tumpahan minyak, sample region juga akan digunakan dalam pengklasifikasian tumpahan minyak dengan metode Oil Spread Index (OSI).
Grafik parameter statistik digunakan untuk membedakan objek tumpahan minyak berdasarkan karakteristik nilai statistik citra. Pendeteksian tumpahan minyak dilakukan dengan melihat pola grafik nilai hambur balik. Dilihat dari fluktuasi dan pola grafik keempat parameter statistik citra, grafik standar deviasi dan rata-rata (mean) yang ditampilkan menunjukkan adanya perbedaan nilai hambur balik. Pola grafik ini dapat mengindikasikan adanya perbedaan jenis tumpahan minyak. Agar memudahkan dalam analisis kisaran nilai hambur balik, maka sample region dikelompokkan menjadi tiga bagian, yaitu: 1-10, 11-20, 21-30 sesuai dengan letaknya pada citra. Dari keempat grafik, grafik parameter statistik rata-rata memperlihatkan perbedaan nilai hambur balik dari setiap kelompok region yang ada. Adapun grafik parameter statistik rata-rata (mean) dapat dilihat pada Gambar 12
(a)
(b)
Gambar 12. Grafik parameter statistik rata-rata (mean), (a) sample region ukuran diameter berbeda, (b) sample region ukuran diameter sama
Perbedaan nilai seperti yang diperlihatkan pada grafik mengindikasikan adanya jenis tumpahan minyak yang berbeda pada perairan. Kisaran nilai pada grafik parameter statistik rata-rata (mean) dari dua jenis sample region dapat dilihat pada Tabel 2.
Tabel 2. Kisaran nilai hambur balik parameter statistik rata-rata (dB) dua jenis
sample region
dengan ukuran diameter berbeda dan diameter sama. Pada polarisasi HH, kisaran nilai hambur balik dari 30 sample region yang memiliki ukuran diameter sama memperlihatkan kisaran nilai yang mirip dengan kisaran nilai hambur balik dari 30 sample region yang memiliki ukuran diameter berbeda. Data ini hanya digunakan sebagai perbandingan nilai hambur balik antara sample region yang memiliki ukuran diameter berbeda dan sample region yang memiliki ukuran diameter sama. Perbedaan nilai hambur balik pada masing-masing kelompok
sample region menunjukkan adanya perbedaan jenis tumpahan minyak.
Tumpahan minyak diasumsikan menjadi tiga, yaitu: tumpahan minyak Berat, Sedang, dan Ringan. Tumpahan minyak yang berada di sekitar anjungan minyak diasumsikan sebagai minyak berat karena merupakan tumpahan minyak baru dan memiliki kerapatan (viskositas) yang tinggi. Semakin jauh sebaran tumpahan minyak dari anjungan maka akan membuat kerapatan minyak menjadi berkurang. Hal ini karena faktor seperti arus, gelombang, temperatur perairan, dan kecepatan angin di permukaan laut. Kerapatan minyak yang berkurang membuat minyak bercampur dengan perairan atau tersebar terpisah (Tsukihara, 1995). Berdasarkan letak dan besaran nilai hambur balik, maka sample region 1-10 digolongkan menjadi kelas minyak berat, sample region 11-20 menjadi kelas minyak sedang, dan sample region 21-30 menjadi kelas minyak ringan.
Klasifikasi Tumpahan Minyak
Pengklasifikasian tumpahan minyak dilakukan dengan menggunakan citra ALOS-PALSAR hasil filter low_freq dengan ukuran kernel 33x33. Adapun bentuk klasifikasi yang digunakan pada penelitian ini adalah klasifikasi tidak terbimbing (unsupervised), karena tidak ada data pendukung seperti data pengamatan lapang (in situ). Pada citra ini kemudian dibuat garis transek untuk mendapatkan nilai selang hambur balik dari setiap jenis tumpahan minyak. Adapun polarisasi yang digunakan adalah polarisasi HH karena secara visual tampilan polarisasi HH lebih terang dan jelas membedakan antara tumpahan minyak dan perairan. Selain itu, nilai hambur balik polarisasi HH lebih besar dibandingkan dengan nilai hambur balik dari polarisasi HV, sehingga klaifikasi dengan polarisasi HV tidak memberikan manfaat untuk membedakan tipe-tipe tumpahan minyak. Gambar 13 memperlihatkan garis transek yang dibuat pada citra ALOS-PALSAR filter low_freq 33x33.
Gambar 13. Garis transek pada citra ALOS-PALSAR filter low_freq 33x33 Setiap titik disepanjang garis transek memiliki nilai hambur balik dari masing-masing piksel citra dimana nilai hambur balik ini mengindikasikan objek baik tumpahan minyak maupun air laut. Nilai hambur balik yang dihasilkan dianalisis dalam bentuk grafik untuk mendapatkan selang kelas dalam pengklasifikasian tumpahan minyak. Tumpahan minyak itu sendiri diklasifikasikan kedalam tiga kelas, yaitu: (1) Tumpahan minyak berat, (2) Tumpahan minyak sedang (3) Tumpahan Minyak ringan. Masing-masing kelas tumpahan minyak merepresentasikan viskositas (kerapatan) minyak. Viskositas didefenisikan sebagai suatu ukuran yang membatasi pergerakan suatu cairan terhadap gaya gravitasi (Chevron, 2013). Viskositas adalah bentuk pengukuran dari ketahanan fluida yang diubah baik dengan tekanan ataupun tegangan. Semakin rendah viskositas suatu fluida, maka semakin besar pergerakan fluida tersebut (sifat fluida semakin cair).
Berdasarkan hasil analisis grafik, diperoleh selang nilai hambur balik tiga kelas tumpahan minyak dan perairan (non tumpahan minyak). Tabel 3 berikut ini menunjukkan selang nilai hambur balik minyak dan perairan.
Tabel 3. Nilai selang hambur balik tumpahan minyak dan air laut Kelas Min (dB) Max (dB) m
Berat -34.00 -31.52 2.48 Sedang -31.52 -30.18 1.34 Ringan -30.18 -27.49 2.69 Air -27.49 -19.00 8.49
Nilai selang hambur balik pada penelitian ini tidak dapat dibandingkan dengan nilai selang hambur balik pada penelitian tumpahan minyak yang lain. Nilai hambur balik dari tumpahan minyak ataupun bukan tumpahan minyak yang teridentifikasi oleh pengamatan yang lain tidak dapat dijadikan acuan untuk pengamatan selanjutnya. Hal ini karena nilai hambur balik yang dihasilkan dari objek tumpahan minyak tidak selalu sama. Nilai hambur balik dipengaruhi oleh faktor-faktor seperti jenis tumpahan minyak, metode pengolahan, ketebalan minyak, dan jenis data penginderaan jauh yang berasal dari satelit dengan polarisasi tertentu yang digunakan (Samad dan Mansor, 2011).
Nilai selang hambur balik yang diperoleh kemudian dikelompokkan dengan menggunakan formula klasifikasi dan ditampilkan secara visual sehingga dapat dilihat persebaran tumpahan minyak. Gambar 14 menunjukkan sebaran tumpahan minyak berdasarkan nilai selang hambur balik.
Berdasarkan tampilan visual klasifikasi tumpahan minyak, maka diperoleh luas tumpahan minyak untuk setiap kelas tumpahan minyak dan volume tumpahan minyak. Volume tumpahan minyak diperoleh dengan mengasumsikan ketebalan tumpahan minyak, yaitu: minyak berat = 2.54 mm, minyak sedang = 0.254 mm, dan minyak ringan = 0.0254 mm (Mark, 2010). Adapun luas dan volume tumpahan minyak ditunjukkan pada Tabel 4.
Tabel 4. Luas area dan volume tumpahan minyak
Klasifikasi Luas Area Tumpahan (Km2) Volume (L) Berat (Ton)
Berat 2231.506 5.67 x 109 4530
Sedang 2087.484 5.38 x 108 424
Ringan 2023.019 5.14 x 107 41.1
Dari Tabel 4, diketahui bahwa luas total sebaran tumpahan minyak adalah 6342.009 Km2 sebanyak 6.25 x 109 Liter.
Hasil klasifikasi tumpahan minyak ini kemudian dibandingkan dengan pendeteksian tumpahan minyak metode OSI (Oil Spread Index). Metode OSI menghasilkan indeks yang digunakan untuk menentukan jenis tumpahan yang ada di perairan dengan menggunakan formulasi Oil Spread Index. Indeks diperoleh dari perbandingan antara jumlah diameter sample region dengan banyaknya
sample region yang dibuat. Dimana, sample region yang digunakan adalah sample region yang memiliki ukuran diameter berbeda. Adapun sample region ini sebelumnya digunakan dalam pendeteksian tumpahan minyak. Indeks yang dihasilkan dihubungkan dengan tingkat kerapatan atau viskositas minyak. Kisaran nilai OSI untuk setiap tingkat ketebalan minyak di laut yang direpresentasikan dengan viskositas (kerapatan) seperti minyak berat, sedang, dan ringan dapat dilihat pada Tabel 5.
Tabel 5. Klasifikasi viskositas minyak terhadap OSI Klasifikasi Viskositas Minyak OSI
Berat 0.17 - 0.34
Sedang 0.67 - 0.96
Ringan 1.03 - 1.25
Pada penelitian ini, terdapat perbedaan kisaran nilai OSI dengan kisaran nilai OSI pada penelitian yang dilakukan sebelumnya dalam pendeteksian tumpahan minyak dengan menggunakan metode OSI. Hal ini dapat disebabkan oleh bentuk tumpahan minyak yang terekam dalam citra dan penerapan metode
filtering yang dilakukan. Menurut Alawadi (2009), analisis tumpahan minyak dengan metode OSI dibatasi hanya pada tumpahan minyak yang lebar yang berasal dari anjungan minyak lepas pantai. Penggunaan filter sobel (edge detection) akan dapat memperjelas tampilan tumpahan minyak sehingga tumpahan minyak yg terbentuk dapat memenuhi kriteria penerapan metode OSI.
tumpahan minyak berat, sedangkan minyak yang letaknya jauh dari anjungan digolongkan kedalam tumpahan minyak ringan. Sebaran nilai OSI setiap region tumpahan minyak yang ada di Laut Timor dapat dilihat pada Gambar 15.
Gambar 15. Profil nilai OSI dari sampleregion
Nilai OSI masing-masing region menunjukkan bahwa tumpahan minyak yang terdapat pada region 1-10 digolongkan menjadi tumpahan minyak berat, sedangkan tumpahan minyak pada region 11-20 digolongkan menjadi tumpahan minyak sedang dan tumpahan minyak pada region 21-30 digolongkan menjadi tumpahan minyak ringan. Adapun posisi region yang dimaksudkan dapat dilihat pada Gambar 16.
Gambar 16. Posisi region tumpahan minyak
kelas tumpahan minyak berat. Dalam klasifikasi tumpahan minyak metode OSI, pengklasifikasian dilakukan berdasarkan hubungan antara lebar diameter sample region dengan banyaknya sample region. Pada penerapan metode OSI, dibutuh beberapa data tambahan untuk dapat menghasilkan klasifikasi tumpahan minyak yang lebih akurat seperti data hasil pengamatan langsung di lapangan.
Akurasi suatu citra pengamatan didukung oleh data pengamatan secara in situ. Pada penelitian ini tidak dilakukan pengamatan secara in situ mengingat waktu dan lokasi tumpahan minyak serta biaya. Penelitian tumpahan minyak Montara di Laut Timor dengan menggunakan citra ALOS-PALSAR telah dilakukan sebelumnya pada tahun 2012 oleh Nisa Nisvia Marsya. Pada penelitian ini, pendeteksian tumpahan minyak dilakukan dengan pengamatan terhadap parameter statistik citra dengan menerapkan metode Oil Spread Index (OSI) sehingga dihasilkan selang nilai klasifikasi tumpahan minyak yang berbeda.
Pola Pergerakan Angin Di Laut Timor
Salah satu faktor penyebaran tumpahan minyak di laut adalah angin. Pergerakan angin dapat mempengaruhi penyebaran tumpahan minyak karena posisi dari tumpahan minyak yang berada di permukaan air. Untuk itu, dalam mendeteksi tumpahan minyak perlu dilihat arah pergerakan angin.
Pengamatan pola pergerakan angin dilakukan terhadap beberapa periode tertentu, seperti satu minggu sebelum tumpahan minyak terjadi (14 Agustus – 21 Agustus 2009), saat tumpahan minyak (21 Agustus 2009), dua minggu setelah tumpahan minyak (22 Agustus – 4 September 2009), saat perekaman (sesuai citra, 2 September 2009), dan saat kebocoran minyak teratasi (3 November 2009). Gambar 17 memperlihatkan arah pergerakan angin pada saat satu minggu sebelum tumpahan minyak terjadi.
timur menuju ke selatan dengan kecepatan sekitar 3 m/s – 3.5 m/s. Selanjutnya dilakukan pengamatan terhadap pergerakan angin saat terjadi tumpahan minyak (21 Agustus 2009) seperti yang ditunjukkan pada Gambar 18 berikut.
Gambar 18. Pergerakan angin, (a) arah dan kecepatan angin di Laut Timor pada 21 Agustus 2009, (b) Windrose pergerakan angin
Pada saat terjadi tumpahan minyak, angin di Laut Timor bergerak dominan dari arah arah timur menuju ke barat dengan kecepatan antara 5 m/s – 7.4 m/s. Namun, pada lokasi tumpahan minyak, angin yang bergerak dari timur berbelok ke arah barat laut yang selanjutnya bergerak menuju ke arah barat. Angin ini bergerak dengan kecepatan antara 3 m/s – 4.5 m/s. Pengamatan terhadap pergerakan angin berikutnya adalah pergerakan angin dua minggu setelah terjadi tumpahan minyak, seperti yang diperlihatkan pada Gambar 19 berikut.
Dua minggu setelah terjadinya tumpahan minyak, pergerakan angin masih cenderung bergerak dari timur ke barat dengan kecepatan maksimum 6.9 m/s. Pada lokasi tumpahan minyak, angin bergerak dengan kecepatan 3 m/s – 4.5 m/s. Jika dilihat berdasarkan wind rose, maka pada masa ini terjadi lebih banyak arah pergerakan angin karena akan memasuki masa angin muson peralihan (September-November). Selanjutnya, dilakukan pengamatan pergerakan angin sesuai dengan waktu pemindaian citra (2 September 2009). Adapun pergerakan angin dapat dilihat pada Gambar 20.
(a) (b)
(c)
Gambar 20. Pergerakan angin, (a) arah dan kecepatan angin di Laut Timor pada 2 September 2009, (b) pergerakan angin pada citra, (c) Windrose
Pada tanggal 2 September 2009, angin bergerak dari arah tenggara menuju ke barat laut. Angin ini bergerak dengan kecepatan 3.5 m/s – 7 m/s. Terdapat banyak arah pergerakan angin lainnya seperti yang terlihat pada wind rose. Hal ini dapat disebabkan karena pada bulan September telah memasuki masa angin muson peralihan sehingga angin bergerak tidak beraturan. Angin ini bergerak dengan kecepatan yang relative rendah yaitu 1 m/s – 3 m/s. Pengamatan terhadap pergerakan angin yang terakhir dilakukan untuk angin pada tanggal 3 November 2009. Pada masa ini kebocoran minyak telah dapat teratasi. Adapun pergerakan angin pada tanggal 3 November 2009 dapat dilihat pada Gambar 21.
(a) (b)
Gambar 21. Pergerakan angin, (a) arah dan kecepatan angin di Laut Timor pada 3 November 2009, (b) Windrose pergerakan angin
Pergerakan angin pada tanggal 3 November 2009 cenderung bergerak dari arah timur menuju ke barat dengan kecepatan maksimum 6.9 m/s. Adapun pada lokasi tumpahan minyak angin bergerak dari arah tenggara menuju ke barat laut dan selanjutnya berbelok ke barat dengan kecepatan 4.5 m/s – 5.5 m/s.
Tumpahan minyak cenderung menyebar mengikuti arah pergerakan angin. Penyebaran tumpahan minyak yang semakin luas akan mengakibatkan semakin luasnya area laut yang tercemar. Hal ini menyebabkan semakin banyak pula biota laut yang terkena dampak dari pencemaran air laut oleh tumpahan minyak.
Pola Pergerakan Arus Di Laut Timor
adalah pergerakan arus saat perekaman citra, yaitu pada tanggal 2 September 2009. Gambar 22 memperlihatkan pola pergerakan arus pada saat perekaman citra.
Gambar 22. Pola pergerakan arus (arah dan kecepatan) pada saat perekaman citra
Arus pada lokasi tumpahan minyak bergerak dari arah tenggara menuju ke arah barat daya dengan kecepatan antara 0.2 – 0.3 m/s. Dilihat dari bentuk persebarannya, pergerakan tumpahan minyak lebih cenderung mengikuti pergerakan arus permukaan. Penyebaran tumpahan minyak cenderung lebih mengarah ke selatan, yaitu ke perairan Australia. Pada saat yang sama, angin bergerak dari arah tenggara menuju ke barat laut.
KESIMPULAN DAN SARAN
Kesimpulan
Berdasarkan hasil penelitian dapat disimpulkan bahwa jenis tumpahan minyak dapat diidentifikasi berdasarkan pola dan karakteristik nilai hambur balik dari polarisasi HH dan penggunaan filter low_freq dengan ukuran kernel filter
diklasifikasikan dari pola dan karakteristik nilai hambur balik serta perhitungan
Oil Spread Index (OSI). Kandungan tumpahan minyak untuk masing-masing kelas yaitu: tumpahan minyak berat memiliki kisaran nilai hambur balik (backscatter) -34.00 s/d -31.52 dB, tumpahan minyak sedang -31.52 s/d -30.18 dB, dan tumpahan minyak ringan -30.18 s/d -27.49 dB dengan nilai OSI 0.17-0.34 (tumpahan minyak berat), 0.67-0.96 (tumpahan minyak sedang), 1.03-1.25 (tumpahan minyak ringan). Semakin ringan kandungan tumpahan minyak maka semakin besar nilai OSI.
Saran
Klasifikasi tumpahan minyak pada penelitian ini dihasilkan dari kondisi yang terjadi pada kejadian dan waktu tersebut dan mungkin belum dapat dijadikan acuan untuk mengklasifikasikan jenis tumpahan minyak pada waktu yang lainnya. Untuk itu diperlukan penelitian lebih mendalam menggunakan metode yang sama dan penerapan berbagai filter pada berbagai kasus tumpahan minyak disertai dengan pengamatan dan pengambilan sampel di lapangan, sehingga dapat diperoleh akurasi klasifikasi kandungan tumpahan minyak yang lebih baik.
DAFTAR PUSTAKA
[JAXA] Japan Aerospace Exploration Agency. 2006b. Palsar user’s guide [Internet]. [diunduh 5 Februari 2012]. Jepang : JAXA. Tersedia pada: http://www.eorc.jaxa.jp
Alawadi F. 2009. New pattern recognition methods for identifying oil spills from satellite remote sensing data. In Proceeding of SPIE (7477):1-13.
AMSA. 2009. [Internet]. Major Oil Spill in Australia. [diunduh 13 Juni 2014]: Tersedia pada : https://www.amsa.gov.au/environment/major-historical-incidents/Montara_Wellhead/
ASA. 2010. Modelling of chemical dispersant operation. Montara Well Release Monitoring Study S7.2 Oil Fate and Assessment.
Brekke C, Solberg HA. 2005. Oil spill detection by satellite remote sensing.
Remote Sens. Environ (95):1-13.
Chein-I Chang dan H Ren. 2000. An Experiment-Based Quantitative and Comparative Analysis of Target Detection and Image Classification Algorithms for Hyperspectral Imagery. IEEE Trans. on Geoscience and Remote Sensing. Vol 38. pp. 1044-1063.
Chevron. 2013. Marine Lubricants Information Bulletin: Viscosity Classifications 6. Chevron Marine Products LLC. U.S.A
Fingas MF and Brown CE. 2000. "Review of Oil Spill Remote Sensing”, in
Proceedings of the Fifth International Conference on Remote Sensing for Marine and Coastal Environments, Environmental Research Institute of Michigan, Ann Arbor, Michigan, pp. I211-218.
Fisher R, Perkins S, Walker A, Wolfart E. 2003. Frequwncy Filter [Internet]. [diunduh 7 Juni 2014]: Tersedia pada: http://http://homepages.inf.ed.ac.uk /rbf/HIPR2/freqfilt.htm
Freddy F, Paul LR. 1994. Filtering remote sensing data in the spatial and feature domains. SPIE Image and Signal Processing for Remote Sensing. Vol 2315. pp. 472-482.
Gupta S, Mazumdar SG. 2013. Sobel edge detection algorithm. Journal of Computer Science and Management Research. (733X): 1578-1583.
Ivanov A, He M, Fang M. 2002. Oil spill detection with the Radarsat SAR in the waters of The Yellow and East China Sea: A case study. Proceeding of 23rd Asian Conference on Remote Sensing.
Koran Tempo. 2010. PTTEP Bersedia Beri Ganti Rugi Laut Timor [Internet]. [diunduh 5 Februari 2012]: Tersedia pada: http://issuu.com/asmat/docs/ koran_tempo_22_12_2010.
La’o Hamutuk. 2002. Edisi istimewa untuk kemerdekaan. Timor: Institut
Pemantauan dan Analisis Rekonstruksi Timor Lorosa’e. Buletin La’o
Hamutuk. 3(4).
Lusch DP. 1999. Introduction To Microwave Remote Sensing. Michigan State University. United States (US).
Mark F. 2010. Oil Spill Solutions [Internet]. [diunduh 14 Oktober 2014]: Tersedia pada: http://www.oilspillsolutions.org/evaluation.htm.
Prayudha B. 2008. Klasifikasi multispectral menggunakan data citra satelit ALOS dan data batimetri untuk identifikasi objek dasar periaran dangkal. PIT MAPIN XVII 2008. Bandung.
Ristiana NI. 2011. Evaluasi penafsiran citra ALOS-PALSAR resolusi 12,5 meter slope corrected dan 50 meter dengan menggunakan metode manual dan digital dalam identifikasi penutupan lahan. Skripsi. Institut Pertanian Bogor. Bogor.
Samad R, Mansor S. 2011. Detection of oil spill pollution using Radarsat SAR imagery. (MA): Departemen Teknik Mesin. Universitas Putra Malaysia. Santilan JR, Paringit EC. 2011. Oil spill detection in ENVISAT ASAR images
using Radar backscatter thresholding and logistic regression analysis.
Proceedings of the 32nd Asian Conference on Remote Sensing (2-10):1-8. Taipe International Convention Center. Taipe. Taiwan
Shimada M, Isoguchi O, Tadono T, Isono K. 2009. PALSAR Calibration Factor Update. Japan Aerospace Exploration Agency (JAXA) [Internet]. [diunduh 10 Juni 2014]: Tersedia pada: http://www.eorc.jaxa.jp/en/about/distributi on/info/alos/20090109en_3.html
Topouzelis KN. 2008. Oil Spill Detection by SAR Images: Dark Formation Detection, Feature Extraction and Classification Algorithms. Journal of Sensors (8): 6642-6659
Lampiran 2. Data nilai parameter statistik citra tiap region dengan diameter berbeda
Region Minimum Maximum Mean Median Std Dev
HH HV HH HV HH HV HH HV HH HV
21 -30.35 -32.08 -26.55 -29.49 -29.09 -30.88 -29.21 -30.92 0.66 0.51 22 -30.35 -32.02 -26.55 -29.61 -29.09 -30.93 -29.19 -30.96 0.64 0.46 23 -30.32 -31.94 -26.48 -29.33 -28.84 -30.71 -28.91 -30.75 0.68 0.51 24 -31.54 -33.31 -28.55 -31.53 -30.45 -32.44 -30.51 -32.44 0.43 0.32 25 -30.40 -31.89 -27.50 -29.55 -29.08 -30.77 -29.08 -30.81 0.50 0.49 26 -30.11 -31.70 -27.29 -29.08 -28.83 -30.52 -28.87 -30.57 0.54 0.55 27 -30.37 -31.68 -25.12 -28.92 -28.45 -30.46 -28.51 -30.50 0.88 0.58 28 -31.56 -32.77 -28.65 -30.81 -30.45 -31.91 -30.52 -31.95 0.50 0.36 29 -31.71 -33.23 -28.75 -31.26 -30.37 -32.20 -30.38 -32.23 0.50 0.36 30 -31.76 -33.05 -27.36 -31.34 -30.43 -32.21 -30.51 -32.23 0.53 0.33
Lampiran 3. Data nilai parameter statistik citra tiap region dengan diameter sama
Region Minimum Maximum Mean Median Std. Deviasi
HH HV HH HV HH HV HH HV HH HV
Lampiran 4. Tutorial pengolahan citra
1. Konversi format citra *.ceos menjadi *.ers dengan menggunakan ENVI 4.5 Pada ENVI, ketuk File Open external file ALOS PALSAR pilih
citra dengan format *ceos (HH dan HV) dari masing-masing scene (6940 dan 6930)
2. Setelah tampilan citra muncul, kemudian ketuk Load Band pada jendela
Available band list. Setelah itu simpan citra, ketuk File Save As File ERMapper atau TIFF/GeoTIFF. Pilih citra lalu Ok, tentukan nama dan lokasi penyimpanan.
3. Lakukan hal yang sama untuk masing-masing citra. Untuk mengakhiri konversi format citra, ketuk File Exit
4. Citra yang telah dikonversi kemudian digabungkan. Pada awalnya, citra scene
5. Pada ERMapper ketuk Edit Algoritma Load Dataset Pilih citra format *.ers. Kemudian perbaiki tampilan citra, ketuk Edit Transform Limit pada jendela AlgorithmLimitsActual Limits
6. Panggil citra dari scene yang berbeda namun dengan polarisasi yang sama. Pada jendela Algorithm, ketuk Duplicate, pada layer baru ketuk Load Dataset
Pilih citra baru Ok This Layer Only. Perbaiki tampilan citra. Dua scene
citra telah bergabung menjadi citra baru dengan polarisasi HH.
Pada citra hasil penggabungan, akan terlihat batas antara scene 6940 dan 6930 yang ditampilkan sebagai garis hitam disepanjang citra. Garis pembatas ini dapat dihilangkan, ketuk Load Dataset pada salah satu layer, pilih citra yang ada pada layer tersebut InfoEdit Raster Info Pada Null cell Value
ketik Null Ok Ok Close Ok This Layer Only
Ubah nama masing-masing layer sesuai citra yang dibagungkan (HH-HH). Pilih Default Surface agar kedua layer terpilih, pada jendela ERMapper File Save As. Tentukan lokasi penyimpanan, nama file, format ERMapper Raster Dataset (.ers). Tentukan Data Type, pilih Maintain aspect ratio dan
Delete output transformsOK
7. Lakukan hal yang sama untuk menggabungkan citra scene 6940 dan 6930 dengan polarisasi HV. Selanjutnya, citra dengan polarisasi HH dan HV digabungkan sehingga terbentuk citra baru. Citra ini yang selanjutnya digunakan dalam pengolahan data berikutnya. Ketuk Load Dataset Pilih citra gabungan scene 6940 dan 6930 polarisasi HH Duplicate ketuk
Load Dataset pada layer baru pilih citra gabungan scene 6940 dan 6930 polarisasi HV Perbaiki kedua tampilan citra (Actual limits) Pilih kedua layer, lalu ketuk File Save As Tentukan tempat penyimpanan, nama file dan format data (ERMapper Raster Dataset .ers) Ok.
8. Citra hasil gabungan lalu dikoreksi nilai hambur balik, yaitu konversi nilai digital menjadi nilai hambur balik (backscatter). Ketuk Edit Formula pada jendela Algorithm Algoritma koreksi nilai hambur balik Simpan citra.
10.Pengolahan citra selanjutnya dilakukan dengan ArcGIS 10. Penggunaan
ArcGIS dikarenakan pembuatan region pada citra sehingga didapatkan nilai diameter region sesuai dengan formula Oil Spread Index (OSI). Pada Toolbar, ketuk Add Data kemudian pilih citra.
11.Pada Catalog Folder Connections Pilih folder, klik kanan pilih New File Geodatabase. Klik kanan pada File Geodatabase yang sudah terbentuk
New Feature Dataset. Tentukan proyeksi sesuai dengan proyeksi citra. Klik kanan pada Feature Dataset yang sudah terbentuk New Feature Class. Tentukan nama dan jenis (polygon, line, dll), tentukan konten tabel
Finish.
12.Pada Toolbar, pilih Add Data untuk menampilkan Feature Class yang sudah dibuat kedalam Table of contents. Pilih Editor Start Editing. Buat region
pada citra.
Tambahkan kolom Luas dan keliling lingkaran sehingga didapatkan diameter lingkaran dari rumus lingkaran. Lakukan Calculate Geometry untuk mendapatkan luas dan keliling lingkaran. Pada kolom Luas ataupun lingkaran, klik kanan Calculate Geometry. Pada Property tentukan Area (Luas) atau
Perimeter (Keliling). Pada Units tentukan satuan.
Isi dari tabel kemudian dikerjakan pada MS. Excel, export tabel.
14.Dilakukan konversi Feature class to shapefile dengan conversion tools pada
Arctool box. Sehingga feature class dapat digunakan pada ER Mapper untuk mendapatkan nilai parameter statistik (max, min, mean, std. deviation).
16.Dari pilihan Edit Edit/Create Regions Vector File. Simpan vector
menjadi Raster Region, maka akan terlihat penomoran setiap region. Lakukan
Calculate statistic, dari pilihan Process Calculate statistic, kemudian dari pilihan View Statistic Show statistic Display. Simpan data, Print File agar dapat ditampilkan dalam angka dan grafik pada MS. Excel.
17.Untuk melakukan klasifikasi tumpahan minyak, maka diperlukan nilai hambur balik (backscatter) dari tumpahan minyak. Dibuat transek garis agar nilai hambur balik dari setiap piksel disepanjang garis transek ddidapatkan. Pengolahan data ini dilakukan dengan ER Mapper 6.4. Buat transek garis pada citra, Edit Edit/Create Regions Raster Region tentukan citra
18.Dari nilai hambur balik pada masing-masing piksel, kemudian dikelompokkan menjadi kelas-kelas tumpahan minyak. Dibuat formula pengkelasan untuk diaplikasikan ke citra. Load Dataset citra, pada jendela Algorithm Edit Formula masukkan formula pengkelasan Apply changesSave As.
19.Buka lokasi penyimpanan citra klasifikasi, buka ERS File citra dengan
Wordpad, klik kanan ERS File Open with Wordpad, atau Select from program list Wordpad. Tambah kelas sesuai banyak kelas pada formula pengkelasan.
20.Sesuaikan pewarnaan masing-masing kelas, pada ER Mapper, pilih Edit
edit class/ region color and name Load Dataset citra yang sudah ditambahkan jumlah kelas tentukan warna Save. Buka citra hasil pengkelasan yang sudah ditambakan jumlah kelas dan pewarnaan masing-masing kelas, pada layer, klik kanan Class Display.
Lampiran 5. Posisi citra ALOS-PALSAR pada lokasi penelitian
Lampiran 6. Tumpahan minyak Montara (21 Oktober 2009)
Lampiran 8. Daftar istilah
No Istilah Keterangan
1 ALOS Andvance Land Observing Satellite
2 Backscatter Hambur balik
3 CF Calibration Factor
4 DN Digital Number
5 FDB Fine Beam Dual Polarizations
6 Filtering Penyaringan
7 HH dan HV Horizontal Horizontal dan Horizontal Vertikal
8 JAXA Japan Aerospace eXploration Agency
9 Kernel Filter
Susunan angka seperti matriks (n kolom x n
baris) yang menentukan bagaimana sebuah citra akan di-filter
10 Noise Gangguan pada citra
11 NRCS Normalized Radar Cross Setting
12 OSI Oil Spread Index
13 PALSAR Phased Array type L-Band Synthetic Aperture
Radar
14 Sample region Wilayah sampel
15 SAR Synthetic Aperture Radar
16 Sun-synchronous
Orbit satelit yang mensinkronkan pergerakan satelit dalam orbit, presisi bidang orbit, dan pergerakan bumi mengelilingi matahari, sedemikian rupa sehingga satelit tersebut akan melewati lokasi tertentu di permukaan bumi selalu pada waktu lokal yang sama setiap harinya
17 Tumpahan minyak berat Tumpahan minyak yang memiliki tingkat kekentalan minyak yang tinggi
18 Tumpahan minyak ringan Tumpahan minyak yang memiliki tingkat kekentalan minyak yang rendah
19 Tumpahan minyak sedang
Tumpahan minyak yang memiliki tingkat kekentalan minyak antara tingkat tinggi dan rendah
RIWAYAT HIDUP
Penulis dilahirkan di Lubuk Pakam, Provinsi Sumatera Utara pada tanggal 2 Juli 1990 dari ayah Alisman Saragih S.H dan Ibu Masly Sinaga. Penulis adalah anak kedua dari dua bersaudara. Tahun 2008 penulis lulus dari SMA Swasta METHODIST-1 Medan dan pada tahun yang sama penulis lulus seleksi masuk Institut Pertanian Bogor (IPB) melalui jalur Undangan Seleksi Masuk IPB dan diterima di Departemen Ilmu dan Teknologi Kelautan, Fakultas Perikanan dan Ilmu Kelautan.
Selama mengikuti perkuliahan, penulis pernah menjadi asisten praktikum Selam Ilmiah pada tahun 2010/2011 dan 2012/2013, dan asisten praktikum Ekologi Laut Tropis pada tahun ajaran 2011/2012. Penulis aktif dalam Himpunan Mahasiswa Ilmu dan Teknologi Kelautan IPB periode 2010/2011 dan 2011/2012 dan pernah menjabat sebagai Kepala Divisi Sistem Informasi Geografis dan Penginderaan Jarak Jauh pada periode 2011/2012. Selain itu penulis juga aktif dalam organisasi Gerakan Mahasiswa Kristen (GMKI) pada tahun 2010/2011, dan menjabat sebagai BPC bidang Departemen Pendidikan Kader.
Penulis menyelesaikan studinya di Departemen Ilmu dan Teknologi Kelautan, Fakultas Perikanan dan Ilmu Kelautan dengan melakukan penelitian
yang berjudul “Kajian Tumpahan Minyak Montara Di Laut Timor
