TEKNIK DAN METODE FUSI (PANSHARPENING) DATA ALOS (AVNIR-2 DAN PRISM) UNTUK IDENTIFIKASI PENUTUP LAHAN/TANAMAN PERTANIAN SAWAH

(1)

TEKNIK DAN METODE FUSI (PANSHARPENING) DATA ALOS

(AVNIR-2 DAN PRISM) UNTUK IDENTIFIKASI PENUTUP

LAHAN/TANAMAN PERTANIAN SAWAH

Gokmaria Sitanggang

Peneliti Bidang Bangfatja, Pusat Pengembangan Pemanfaatan, LAPAN ABSTRACT

The objective of this research is to search the techniques and processing methods of ALOS optical data by using ALOS data (AVNIR-2 and PRISM) fusion (pansharpening) to identify land cover objects/sawah agriculture vegetation. The study method is accomplished by studying literature and conducting experiment using a study area and also performing the methods assesment by doing visual analysis of the ALOS Pansharped image results. This research uses ALOS data (AVNIR-2 and PRISM), acquired on June, 12, 2006, which covered the study area: agriculture area, Bantul, DIY. The experiment results shows that, for identification of land cover objects/sawah agriculture vegetation, the Pansharped image as the result of the Pansharpening method (HSV Image Sharpening) 321 band composite- AVNIR-2 and PRISM (nadir), is the best comparing to another methods: a) Color Normalized (Brovey), b) Gram-Schmidt Spectral Sharpening, and c) PC Spectral Sharpening, Another result is also obtained the spasial information image map of land cover objects/sawah agriculture vegetation, scale : 1: 50.0000, as the results of on screen digitation using the ALOS ( AVNIR-2 dan PRISM) Pansharp image, acquired on June, 12, 2006 which covered the agriculture area, Bantul, DIY.

ABSTRAK

Tujuan penelitian ini adalah untuk mencari teknik dan metode pengolahan data optik ALOS dengan metode fusi (pansharpening) data ALOS (AVNIR-2 dan PRISM) untuk identifikasi objek-objek penutup lahan/tanaman pertanian sawah. Metode pelaksanaan penelitian adalah berdasarkan literatur dan dengan melakukan penelitian atau uji coba pada suatu daerah studi kasus, dan melakukan pula penilaian hasil-hasil pengolahan dengan melakukan analisis visual data citra Pansharp ALOS yang diperoleh. Penelitian ini menggunakan data ALOS (AVNIR-2 dan PRISM), akuisisi tanggal 12 Juni 2006, yang meliput daerah studi kasus: daerah pertanian Bantul, DIY. Dari uji coba yang dilakukan diperoleh bahwa untuk identifikasi objek-objek penutup lahan/tanaman pertanian sawah, citra Pansharp, hasil metode Pansharpening (HSV Image Sharpening) AVNIR-2 komposit 321 dan PRISM (nadir), adalah terbaik dibandingkan dengan metode-metode lain: a) Color Normalized (Brovey), b) Gram-Schmidt Spectral Sharpening, dan c) PC

Spectral Sharpening. Hasil lainnya adalah peta citra informasi spasial objek-objek

penutup lahan/tanaman pertanian sawah, skala 1:50.000, hasil digitasi on-screen menggunakan data citra Pansharp ALOS (AVNIR-2 dan PRISM), perekaman tanggal 12 Juni 2006 yang meliput daerah pertanian Bantul, DIY.

Kata kunci: Citra Pansharp ALOS (AVNIR 2 dan PRISM), Metode Pansharpening, HSV

(2)

1 PENDAHULUAN

Seperti diketahui satelit peng-inderaan jauh (inderaja) ALOS (Advanced

Land Observing Satellite) telah berhasil

diluncurkan pada bulan Januari 2006 dengan pesawat peluncur roket H-IIA, dari lokasi peluncuran Tanegashima Space

Center, Jepang. Misi utama atau tujuan

ALOS adalah: 1) untuk memperoleh peta Jepang dan negara-negara lain yang termasuk dalam wilayah Asia Pasifik (Kartografi), 2) untuk melakukan peng-amatan regional untuk pengembangan berkesinambungan (harmonisasi antara pengembangan dan lingkungan bumi) (Pengamatan Regional), 3) untuk mela-kukan pemantauan bencana alam di seluruh dunia (Pemantauan Bencana Alam), 4) untuk melakukan penelitian Sumber Daya Alam (Penelitian Sumber Daya Alam), dan 5) untuk mengembang-kan teknologi yang diperlumengembang-kan untuk satelit-satelit pengamatan bumi masa depan (Pengembangan Teknologi) (NASDA, 2004a; JAXA, 2004; NASDA, 2006).

Satelit ALOS bergerak pada orbit sinkron matahari pada ketinggian 691,65 km pada ekuator, inklinasi 98,16 derajat, dengan siklus pengulangan orbit setiap 46 hari, dengan sub-cycle setiap 2 hari. Massa satelit tersebut kira-kira 4000 kg. Satelit tersebut dirancang untuk dapat tetap beroperasi pada orbitnya pada kurun waktu 3-5 tahun. Satelit ALOS dilengkapi dengan tiga sensor yang terdiri dari dua sensor optik yaitu sensor AVNIR-2 (Advanced Visible and

Near Infrared Radiometer type-2) dan

sensor PRISM (Panchromatic Remote

Sensing Instrument for Stereo Mapping),

serta satu sensor gelombang mikro atau radar yaitu : PALSAR (Phased Array type

L-band Syntetic Aperture Radar)(NASDA,

2004a; NASDA, 2004b; JAXA, 2004). AVNIR-2 adalah suatu sensor optik yang terdiri dari 4 kanal spektral pada daerah spektral tampak dan inframerah dekat. Tujuan utama dari AVNIR-2 adalah untuk pemetaan penutup lahan, tauan bencana alam dan untuk

peman-tauan lingkungan regional. Sensor AVNIR-2 menghasilkan citra dengan resolusi spasial 10 meter, dengan lebar liputan satuan citra sebesar 70 km. Dengan kemampuan

side looking dari sensor, dan kemampuan

sensor untuk melakukan pandangan menyilang jejak satelit (cross track) ( +/- 44°) dari nadir, pengamatan daerah– daerah bencana dapat dilakukan dalam waktu pengulangan 2 hari, dengan lebar liputan citra mencapai 1500 km. PRISM adalah suatu sensor yang diutamakan untuk pemetaan, yaitu suatu sensor optik berupa kamera pankromatik yang beroperasi pada kisaran spektral 0,52 - 0,77 µm. Sensor tersebut terdiri dari tiga sistem catoprical yang tidak saling bergantungan (tiga set teleskop) untuk pandangan forward, nadir dan backward untuk mencapai along-track stereoscope. Masing-masing teleskop menghasilkan citra dengan resolusi spasial 2,5 meter. Teleskop untuk pandangan nadir meliput satuan citra dengan lebar 70 km, teleskop

forward dan backward masing-masing

meliput satuan citra 35 km. PALSAR adalah suatu sensor gelombang-mikro aktif pada L-band (frekuensi-pusat 1270 MHz/23,6 cm) yang dikembangkan dalam kerjasama dengan JAXA (Japan Aerospace

Exploration Agency) dan JAROS (Japan Resources Observation Systems Organiza-tion (JAXA, 2004; NASDA, 2004b; Osawa,

2004; NASDA, 2006; Sitanggang, dkk, 2006).

Berkaitan dengan ketersediaan teknologi dan data dari satelit ALOS seperti diuraikan di atas maka untuk pengembangan pemanfaatan data dan teknologi inderaja, LAPAN perlu melaku-kan kajian atau penelitian mengenai aplikasi data inderaja satelit ALOS ter-sebut untuk aplikasi pemetaan, peren-canaan/pengembangan wilayah, penge-lolaan sumber daya alam (pertanian, kehutanan, perkebunan, geologi, dan lain sebagainya), pengelolaan bencana alam, pemantauan lingkungan regional/ global, dan lain sebagainya.

Dalam pemanfaatan data ALOS (PRISM, AVNIR-2 dan PALSAR) atau data

(3)

inderaja lainnya, yang berorientasi pada ketersediaan data dan kebutuhan jenis informasi, faktor-faktor yang menjadi pertimbangan untuk melaksanakan aplikasi kasus-kasus pemetaan atau perencanaan/pengembangan wilayah, pengelolaan sumber daya alam (per-tanian, kehutanan, perkebunan, geologi, dan lain sebagainya), pengelolaan bencana alam, pemantauan lingkungan dan lain sebagainya dengan hasil yang efektif dan efisien adalah sebagai berikut: 1) Pemi-lihan data yang menyangkut : pemiPemi-lihan kanal/resolusi atau kombinasi kanal spektral dan resolusi spasial, resolusi temporal dan resolusi radiometrik serta luas liputan satuan citra, 2) Penentuan prosedur atau teknik dan metode peng-olahan dan analisis data citra.

Pemanfaatan data secara kom-plemen (fusi data inderaja multisensor) dapat meningkatkan ketelitian informasi yang diperoleh. Seperti fusi data optik dan radar, dapat meningkatkan keteli-tian informasi yang diperoleh, terutama pada daerah yang mayoritas daerah cakupan citra ditutupi awan. Fusi data citra Pankromatik (citra hitam-putih) yang mempunyai resolusi spasial tinggi dengan data citra multispektral (citra berwarna) dengan resolusi spasial rendah, akan mempertajam atau meningkatkan ketelitian informasi yang diperoleh (teknik

image pansharpening).

Penelitian ini bertujuan untuk mencari teknik dan metode pengolahan data optik ALOS dengan metode fusi (pansharpening) data ALOS (AVNIR-2 dan PRISM) untuk identifikasi penutup lahan/ tanaman pertanian sawah, berdasarkan literatur dan dengan melakukan peneli-tian atau uji coba pada daerah studi kasus, dan melakukan penilaian hasil-hasil pengolahan serta melakukan analisis visual data citra Pansharp ALOS yang diperoleh. Penelitian ini menggunakan data ALOS (AVNIR-2 dan PRISM), pere-kaman tanggal 12 Juni 2007, yang meliput daerah studi kasus, daerah per-tanian Bantul, DIY.

2 DASAR TEORI

2.1 Karakteristik Data Citra AVNIR-2 dan PRISM ALOS

2.1.1 Karakteristik data citra AVNIR-2 Tujuan utama dari sensor AVNIR-2 adalah untuk pemetaan penutup lahan, pemantauan bencana alam dan untuk pemantauan lingkungan regional. Sensor AVNIR-2 adalah suatu pencitra multi-spektral dengan 4 kanal multi-spektral pada daerah spektral tampak dan inframerah dekat untuk pengamatan daratan dan zona garis pantai. Keempat kanal spektral dari sensor AVNIR-2 tersebut adalah: Kanal 1 : 0,42 – 0,50 µm (warna biru), Kanal 2 : 0,52 – 0,60 µm (warna hijau), Kanal 3 : 0,61 – 0,69 µm (warna merah), Kanal 4 : 0,76 – 0,89 µm (infra merah

dekat).

Sensor AVNIR-2 menghasilkan lebar liputan satuan citra sebesar 70 km dengan resolusi spasial 10 meter. Dengan ke-mampuan side looking dari sensor, dan kemampuan sensor untuk melakukan pandangan menyilang jejak satelit (cross

track) (+/- 44

°) dari nadir, pengamatan

daerah–daerah bencana dalam waktu pengulangan 2 hari dapat dilakukan, dan lebar liputan citra dapat sampai 1500 km (JAXA, 2004; NASDA, 2004b; Osawa, 2004; Ito, 2005; NASDA, 2006). 2.1.2 Karakteristik data citra PRISM

PRISM adalah sensor yang diuta-makan untuk pemetaan. Sensor PRISM adalah suatu kamera pankromatik (520-770 nm) dengan resolusi spasial 2,5 m pada nadir. Sensor PRISM terdiri dari tiga buah sistem optik (3 set teleskop) yang bebas untuk pandangan nadir, arah depan (forward) dan arah belakang (backward) untuk menghasilkan citra stereoskopik sepanjang lintasan satelit. Teleskop untuk pandangan nadir meng-hasilkan citra dengan lebar liputan satuan citra 70 km. Teleskop pandangan forward dan backward masing-masing meng-hasilkan citra dengan lebar liputan satuan citra 35 km, dengan resolusi temporal pada dasarnya 46 hari. Dengan

(4)

karakteristik teknis PRISM tersebut, misi utama untuk pemetaan topografik global pada skala 1: 25.000 dan menghasilkan DEM (Digital Elevation Model) dengan resolusi yang baik akan dapat dicapai. (JAXA, 2004; NASDA, 2004b; Osawa, 2004; Ito, 2005; NASDA, 2006).

2.2 Teknik dan Metode Penajaman Citra Dengan Fusi Data Multisensor (Image Sharpening)

Cara-cara penajaman citra (image

sharpening) digunakan secara automatik

untuk menggabungkan (fusi) suatu citra warna, multi spektral, atau hyper spektral yang mempunyai resolusi spasial rendah dengan suatu citra tingkat keabuan yang mempunyai resolusi spasial tinggi dengan melakukan resampling terhadap ukuran elemen citra (pixel) resolusi spasial tinggi tersebut. Penajaman citra dengan meng-gunakan data citra Pankromatik (image

Pansharpening) adalah dengan

mengga-bungkan data citra multispektral (warna) yang mempunyai resolusi rendah dengan citra pankromatik (hitam-putih atau tingkat keabuan) yang mempunyai reso-lusi tinggi. (Vrabel, 1996, di dalam Image

Sharpening_ENVIHelp).

Untuk citra multi spektral, ENVI (ENVI di dalam Image Sharpening_

ENVIHelp) menggunakan teknik-teknik

penajaman citra berikut:  Transformasi HSV,

 Transformasi Normalisasi Warna Brovey (Color Normalization Brovey),

 Transformasi Gram-Schmidt,

 Transformasi Komponen Utama (Principal

Components-PC).

Masing-masing teknik dan metode penajaman citra dengan fusi data yang disebutkan di atas diuraikan berikut ini. 2.2.1 Teknik dan metode penajaman

citra HSV

Penajaman citra dengan metode HSV dilakukan dengan mentransformasi-kan suatu citra dalam ruang warna Merah-Hijau-Biru (Red-Green-Blue: RGB) menjadi citra dalam ruang warna HSV

(Hue-Saturation-Value-HSV) dengan cara: menggantikan kanal nilai (Value-V) dengan citra resolusi spasial tinggi, secara automatik melakukan resampling kanal- kanal Hue (Hue-H) dan Saturasi

(Satura-tion-S) menjadi ukuran elemen citra

resolusi spasial tinggi dengan mengguna-kan suatu teknik nearest neighbor,

bilinear, atau cubic convolution. Akhirnya

mentransformasikan kembali citra ter-sebut ke ruang warna RGB. Citra-citra

output RGB akan mempunyai ukuran

elemen citra yang sama dengan data citra input resolusi tinggi (ENVI di dalam

Image Sharpening_ENVIHelp).

2.2.2 Teknik dan metode penajaman citra normalisasi warna-Brovey (Color Normalized-Brovey Sharpening)

Penajaman citra normalisasi warna-Brovey (Color

Normalized-Brovey-sharpening) dilakukan dengan

mengapli-kasikan suatu teknik penajaman citra yang menggunakan suatu kombinasi matematik dari citra warna dan data citra resolusi spasial tinggi. Setiap kanal di dalam citra warna tersebut dikalikan dengan suatu rasio dari data resolusi spasial tinggi yang dibagi dengan jumlah kanal-kanal warna tersebut. Fungsi tersebut secara automatik melakukan

resampling terhadap tiga kanal-kanal

warna menjadi ukuran elemen citra resolusi spasial tinggi dengan meng-gunakan salah satu dari teknik-teknik yang kita pilih. Teknik-teknik yang dipilih adalah nearest neighbor, bilinear, atau

cubic convolution. Citra-citra RGB output

akan mempunyai ukuran elemen citra data citra resolusi tinggi input (Vrabel, 1996 di dalam Image Sharpening_ ENVIHelp).

2.2.3 Teknik dan metode penajaman citra spektral Gram-Schmidt (Gram-Schmidt Spectral Sharpening)

Penggunaan penajaman citra spektral dengan metode Gram-Schmidt adalah untuk mempertajam data multi-spektral resolusi spasial rendah dengan

(5)

menggunakan data citra resolusi spasial tinggi. Bila kedua set data tersebut adalah georeferenced, untuk melengkapi, ENVI lebih dulu melakukan ko-registrasi tehadap citra-citra tersebut. Kanal-kanal spektral resolusi spasial rendah yang digunakan untuk simulasi kanal

pan-chromatic harus berada dalam kisaran

kanal panchoromatic resolusi spasial tinggi atau kanal-kanal tersebut tidak dimasukkan dalam proses resampling

(Laben et al. di dalam Image Sharpening_ ENVIHelp).

ENVI melakukan teknik penajaman spektral Gram-Schmidt dengan prosedur yang berikut:

 Melakukan simulasi suatu kanal

pan-chromatic dari kanal-kanal spektral

resolusi spasial yang lebih rendah,  Melakukan suatu transformasi

Gram-Schmidt pada kanal panchromatic

simulasi dan kanal-kanal spektral, dengan menggunakan kanal

panchro-matic simulasi sebagai kanal pertama,

 Melakukan pertukaran kanal

panchro-matic resolusi spasial-tinggi dengan

kanal Gram-Schmidt yang pertama,  Menggunakan transformasi

Gram-Schmidt kebalikan untuk membentuk kanal-kanal spektral pan-sharpened.

Citra-citra yang digunakan

harus-lah georeferenced atau mempunyai

dimensi-dimensi citra yang sama. Bila citra-citra tersebut adalah georeferenced, ENVI melakukan ko-registerasi citra-citra tersebut sebelum melakukan proses penajaman (sharpening).

2.2.4 Teknik dan metode penajaman citra spektral komponen utama

Penajaman citra spektral Komponen Utama mempertajam suatu citra multi kanal resolusi spasial rendah dengan menggunakan suatu kanal pankromatik resolusi spasial tinggi yang sesuai. Algoritma tersebut menganggap bahwa kanal-kanal spektral resolusi spasial rendah berhubungan langsung dengan kanal panchromatic resolusi spasial tinggi.

Bila kedua set data tersebut adalah

georeferenced, ENVI terlebih dulu

me-lengkapi dengan melakukan ko-registrasi terhadap kanal-kanal spektral tersebut (Welch; dan Ahlers, 1987, di dalam Image

Sharpening_ENVIHelp).

ENVI melakukan penajaman citra spektral Komponen Utama dengan pro-sedur berikut:

Melakukan suatu transformasi Kompo-nen Utama pada data multi spektral, Menggantikan kanal pertama Komponen

Utama dengan kanal resolusi tinggi dan membuat skala kanal resolusi tinggi cocok atau sesuai dengan kanal pertama Komponen Utama, sehingga tidak terjadi distorsi spektral informasi, Melakukan suatu transformasi kebalikan, Melakukan resampling data

multi-spektral menjadi ukuran elemen citra resolusi tinggi dengan suatu teknik

nearest neighbor, bilinear, atau cubic convolution.

Citra-citra tersebut harus

geo-referenced atau mempunyai dimensi–

dimensi yang sama. Bila citra-citra tersebut georeferenced, ENVI melakukan ko-registrasi terhadap citra-citra tersebut sebelum melakukan penajaman citra.

Di dalam analisis komponen utama, penggunaan Komponen-Komponen Utama adalah untuk menghasilkan kanal-kanal

output yang tidak saling berkorelasi,

untuk memisahkan komponen-kompo-nen noise, dan untuk mengurangi set-set data secara dimensional. Karena kanal-kanal data multispektral sering berkore-lasi dengan tinggi, transformasi kom-ponen-komponen utama (PC) digunakan untuk menghasilkan kanal-kanal output yang tidak berkorelasi. Ini dilakukan dengan mendapatkan suatu set data baru dari sumbu-sumbu orthogonal yang mempunyai orisinil dari set data tersebut pada rata-rata (mean) dari data dan yang dirotasi sedemikian sehingga variansi data dimaksimalkan. (Richards, 1999, di

(6)

3 METODOLOGI PENELITIAN 3.1 Daerah Penelitian

Di dalam penelitian ini dipilih daerah pertanian Bantul, Daerah Istimewa Yogyakarta (DIY) sebagai daerah peneli-tian. Dasar pemilihan daerah penelitian adalah: 1) ketersediaan data AVNIR-2 dan PRISM dengan daerah liputan yang sama dan kualitas liputan awan yang rendah dan kedua data AVNIR-2 dan PRISM tersebut mempunyai waktu akuisisi yang sama oleh operator satelit ALOS, sehingga data tersebut dapat dipesan dari NASDA, 2) dapat memenuhi tujuan penelitian untuk aplikasi pertanian yaitu mempunyai lahan pertanian (sawah) dengan berbagai variasi fase pertumbuhan (fase air, fase vegetatif, fase generatif dan fase bera).

3.2 Data yang Digunakan

3.2.1 Data primer: data inderaja (Raster) ALOS (AVNIR-2 dan PRISM)

Di dalam penelitian ini dipilih data ALOS (AVNIR-2 dan PRISM) yang meliput Daerah Istimewa Yogyakarta (DIY) dan sekitarnya. Dasar pertimbangan pemilihan data adalah : 1) meliput daerah penelitian daerah pertanian Bantul, DIY, 2) bebas atau sedikit tutupan awan, 3) tersedia data ALOS (AVNIR-2 dan PRISM) pada tanggal akuisisi yang sama dengan liputan daerah yang sama.

Pengumpulan data primer citra ALOS (AVNIR-2 dan PRISM) untuk pene-litian percobaan ini dilakukan dengan: 1) menginventarisasi/mencari di katalog NASDA/JAXA melalui internet, keterse-diaan data ALOS (AVNIR-2 dan PRISM) yang meliput Daerah Istimewa Yogyakarta (DIY) dan sekitarnya, sehubungan dengan rencana daerah kajian adalah daerah pertanian Bantul, DIY, 2) melakukan pemesanan data primer ke NASDA/JAXA: data ALOS (AVNIR-2 dan PRISM) yang dipilih dengan syarat sedikit tutupan awan.

Data yang digunakan pada pene-litian ini adalah: data ALOS (AVNIR-2 dan PRISM) Daerah Istimewa Yogyakarta (DIY) dan sekitarnya, perekaman tanggal 12 Juni 2006 yang meliput daerah kajian yaitu daerah pertanian Bantul dan sekitarnya. Data citra liputan penuh (full

scene) AVNIR-2 dan PALSAR, Daerah

Istimewa Yogyakarta dan sekitarnya, akuisisi tanggal 12 Juni 2006, di

down-load dari internet. Data ini kemudian

dipesan dari NASDA/JAXA, dengan menyebutkan spesifikasi data. Oleh NASDA/JAXA, data tersebut dikirimkan ke LAPAN dalam media CD, untuk dapat dilakukan pengolahan dan analisis data. 3.2.2 Data sekunder (Data Survey

Lapangan)

Untuk verifikasi dan validasi hasil pengolahan dan analisis data inderaja ALOS (AVNIR-2 dan PRISM) dilakukan pengumpulan data lapangan, yaitu iden-tifikasi atau informasi objek-objek penutup lahan/tanaman pertanian di daerah kajian Wilayah Kabupaten Bantul, DIY.

Secara umum metode yang dila-kukan pada survey lapangan antara lain: 1) Kunjungan ke Dinas Terkait dalam rangka mengumpulkan data luas lahan pertanian, pola tanam dan data lain yang dianggap perlu (dari BPS, Dinas Pertanian), 2) Pengecekan berbagai objek penutup lahan di lapangan untuk verifikasi hasil pembuatan Peta Penutup Lahan/Tanaman Pertanian.

Sitanggang, dkk, 2007, melaksa-nakan Survey Lapangan di wilayah Kabupaten Bantul, Propinsi Daerah Istimewa Yogyakarta, mulai tanggal 8 sampai dengan 13 November 2007. Hasil data sekunder yang dikumpulkan dari lapangan adalah data pertanian, seperti pola tanam, jenis tanaman, masa tanam dan luas lahan pertanian per jenis tanaman pada tahun 2006 per kabupaten di Daerah Istimewa Yogyakarta,

(7)

yang diperoleh dari Buku DIY dalam Angka Tahun 2005. Hasil lainnya adalah pengecekan berbagai objek di lapangan untuk pembuatan peta penutup lahan/ tanaman pertanian.

3.3 Prosedur dan Metode Pengolahan dan Identifikasi Objek-Objek Penutup Lahan/Tanaman Pertanian Sawah Menggunakan Fusi Data ALOS (AVNIR-2 dan PRISM)

Prosedur dan metode pengolahan dan identifikasi objek-objek penutup lahan/tanaman pertanian sawah meng-gunakan fusi data ALOS (AVNIR-2 dan PRISM) yang dilakukan di dalam pene-litian ini adalah:

 Penyiapan data primer : data inderaja ALOS (AVNIR-2 dan PRISM) pada daerah kajian/penelitian (pengolahan data awal, pemotongan data sesuai liputan daerah penelitian),

 Melakukan uji coba teknik penajaman citra (Pan Sharpening) dengan fusi data ALOS (AVNIR-2 dan PRISM), dengan bermacam metode,

 Melakukan penilaian citra hasil ALOS (AVNIR-2 dan PRISM) Pansharp dengan metode-metode penajaman citra (Pan

Sharpening) yang dilakukan untuk

memperoleh metode yang terbaik dengan melakukan interpretasi atau analisis visual citra-citra ALOS Pansharp yang diperoleh,

 Melakukan verifikasi dan validasi hasil analisis visual dengan menggunakan data lapangan,

 Melakukan digitasi on screen citra

Pansharp yang dinilai terbaik untuk

identifikasi objek-objek penutup lahan/ tanaman pertanian sawah untuk mem-peroleh peta citra informasi spasial penutup lahan/tanaman pertanian sawah, daerah Pertanian Bantul, DIY,

akuisisi tanggal 12 Juni 2006 dengan Skala 1:50.000, berdasarkan hasil interpretasi atau analisis visual citra ALOS Pansharp (AVNIR-2 dan PRISM).

4 PENGOLAHAN DATA DAN ATAU PENAJAMAN CITRA DENGAN METODE FUSI (PAN SHARPENING) DATA ALOS (AVNIR-2 DAN PRISM) DAN HASIL

Alat yang digunakan untuk peng-olahan dan analisis data inderaja ALOS pada penelitian ini adalah PC dengan

software pengolahan citra ER Mapper

dan ENVI.

4.1 Pengolahan Awal Data ALOS (AVNIR-2 dan PRISM) untuk Perolehan Data Citra Daerah Penelitian/Kajian dan Hasil

Prosedur dan metode pengolahan awal data ALOS (AVNIR-2 dan PRISM) untuk perolehan data citra daerah kajian/ penelitian adalah:

Melakukan koreksi geometrik (koreksi sistematik terhadap meta-data) data ALOS,

Melakukan pemotongan (cropping) data ALOS daerah pertanian Bantul, DIY. 4.1.1 Koreksi geometrik (koreksi

siste-matik terhadap meta data ALOS (AVNIR-2 dan PRISM) dan hasil

Data awal AVNIR-2 dan PRISM, Daerah Istimewa Yogyakarta dan sekitar-nya, akuisisi tanggal 12 Juni 2006 adalah meta data, seperti yang ditunjukkan dalam Gambar 4-1, karenanya masih perlu dilakukan koreksi sistematik ter-hadap meta-data tersebut. Gambar 4-1 menunjukkan data ALOS (AVNIR-2 dan PRISM) sebelum koreksi dan setelah dikoreksi Geometrik (koreksi sistematik terhadap meta-data).

(8)

No. Nama

Sensor Sebelum Koreksi

Sesudah Koreksi Sistematik terhadap Meta-data 1. AVNIR-2 DIY dan sekitarnya 2. PRISM (Nadir) DIY dan sekitarnya

Gambar 4-1: Data citra ALOS (AVNIR-2 dan PRISM), Daerah Istimewa Yogyakarta (DIY) dan sekitarnya, sebelum koreksi dan setelah dikoreksi Geometrik (koreksi sistematik terhadap meta-data)

4.1.2 Pemotongan data ALOS (AVNIR-2 dan PRISM) untuk perolehan data citra daerah penelitian/kajian Daerah Pertanian Bantul, DIY dan hasil

Seperti dikatakan sebelumnya, ditetapkan daerah pertanian Bantul, DIY sebagai daerah kajian. Untuk tujuan ter-sebut dilakukan pemotongan (Cropping) data citra ALOS (AVNIR-2 dan PRISM) liputan penuh (ditunjukkan pada Gambar 4-2) untuk memperoleh data citra daerah

kajian (ditunjukkan di dalam Gambar 4-3), untuk dapat dilakukan pengolahan dan analisis selanjutnya. Pada Gambar 4-3 tampak citra yang meliput daerah kajian daerah pertanian Bantul, DIY, yang meliputi seluruh Kecamatan Jetis, sebagian Kecamatan Sewon, Kecamatan Pajangan, Kecamatan Pandak, Kecamatan Imogiri dan Kecamatan Bambang Lipuro, Kabupaten Bantul, dengan kondisi bebas atau sedikit tutupan awan.

(9)

Daerah kajian Citra AVNIR-2 Daerah yang terliput citra PRISM (warna abu-abu)

Gambar 4-2: Liputan penuh Data citra AVNIR-2 ditumpang tindih dengan data citra PRISM, meliput daerah penelitian/kajian

4.2 Penajaman Citra Dengan Metode Fusi Data ALOS (PRISM dan AVNIR-2) (Pansharpening) dan Hasil

Teknik dan metode penajaman citra (Image-Sharpening) yang dilakukan atau diuji coba dalam penelitian ini adalah dengan metode fusi data (Pan

Sharpening) AVNIR-2 dan PRISM dengan

daerah studi kasus daerah pertanian di Bantul, DIY, dengan berbagai komposit/ kombinasi kanal RGB, yaitu: 1) Pan

Sharpening AVNIR-2 Komposit 321 dengan

PRISM (Nadir), 2) Pan Sharpening AVNIR-2 Komposit 421 dengan PRISM (Nadir),

3) Pan Sharpening AVNIR-2 Komposit 432 dengan PRISM (Nadir), dan 4) Pan

Sharpening AVNIR-2 Komposit 431 dengan

PRISM (Nadir).

Masing-masing penajaman citra (Image-Sharpening) di atas dilakukan dengan metode-metode:1) Hue Saturation

Value (HSV), 2) Color Normalized (Brovey),

3) Gram-Schmidt Spectral Sharpening, dan 4) PC Spectral Sharpening. Hasil-hasil penajaman citra dengan masing-masing metode yang disebutkan di atas, ditun-jukkan dalam Gambar 4-4 sampai dengan Gambar 4-7.

(10)

Daerah

penelitian/kajian

Gambar 4-3: Daerah penelitian/kajian daerah pertanian Bantul, DIY, yang meliputi seluruh Kecamatan Jetis, sebagian Kecamatan Sewon, Kecamatan Pajangan, Kecamatan Pandak, Kecamatan Imogiri dan Kecamatan Bambang Lipuro, Kabupaten Bantul, DIY

(11)

Hue Saturation Value (HSV) Color Normalized (Brovey)

Gram-Schmidt Spectral Sharpening PC Spectral Sharpening

Gambar 4-4: Citra AVNIR-2 komposit 321 dengan PRISM (Nadir), dan citra-citra

pansharp hasil penajaman citra (Pan Sharpening) AVNIR-2 komposit 321

dengan PRISM (Nadir), dengan metode Hue Saturation Value (HSV), Color

Normalized (Brovey), Gram-Schmidt Spectral Sharpening, PC Spectral Sharpening pada daerah kajian daerah pertanian Bantul dan sekitarnya

(12)

AVNIR-2 421 PRISM

pansharp hasil penajaman citra (Pan Sharpening) AVNIR-2 Komposit 421

Normalized (Brovey), Gram-Schmidt Spectral Sharpening, PC Spectral Sharpening pada daerah kajian daerah pertanian Bantul dan sekitarnya

(13)

Normalized (Brovey), Gram-Schmidt Spectral Sharpening, PC Spectral Sharpening pada daerah kajian daerah pertanian Bantul dan sekitarnya

(14)

Normalized (Brovey), Gram-Schmidt Spectral Sharpening, PC Spectral Sharpening pada daerah kajian daerah pertanian Bantul dan sekitarnya

(15)

5 PEMBAHASAN DAN ATAU IDENTI-FIKASI OBJEK-OBJEK PENUTUP LAHAN/TANAMAN PERTANIAN SAWAH MENGGUNAKAN CITRA PANSHARP DAERAH PERTANIAN BANTUL, DIY

5.1 Penilaian Metode Fusi (Pan-sharpening) Data ALOS ( AVNIR-2 dan PRISM)

Data citra Pansharp hasil peng-olahan data dengan metode penajaman citra (Pan-Sharpening) dari data AVNIR-2 dan PRISM (nadir) yang dilakukan telah ditunjukkan pada Gambar 4-4 sampai dengan Gambar 4-7 pada bagian 4 di atas. Dengan melakukan analisis visual terhadap citra Pansharp daerah Pertanian Bantul, DIY (hasil-hasil metode) tersebut, diperoleh bahwa yang paling banyak menunjukkan informasi sebagai hasil identifikasi objek-objek penutup lahan/ tanaman pertanian sawah adalah data citra Pansharp (dengan metode HSV

Sharpening). dengan data citra asli adalah

AVNIR-2, komposit RGB 321 dan data citra asli PRISM (nadir), seperti yang ditunjukkan pada Gambar 4-4.

5.2 Identifikasi Objek-Objek Penutup Lahan/Tanaman Pertanian Sawah Menggunakan Citra Pansharp ALOS Daerah Pertanian Bantul, DIY

Data Citra yang akan diinter-pretasi atau dianalisis secara visual adalah data citra yang dinilai terbaik atau yang paling menunjukkan informasi paling banyak sebagai hasil identifikasi objek-objek penutup lahan/tanaman

pertanian sawah yaitu data citra Pansharp (dengan metode HSV Sharpening) daerah Pertanian Bantul, DIY, dengan data citra asli adalah AVNIR-2, komposit RGB 321 dan data citra asli PRISM (nadir), seperti yang ditunjukkan pada Gambar 4-4.

Untuk melakukan verifikasi hasil identifikasi objek-objek penutup lahan/ tanaman pertanian sawah pada daerah kajian/penelitian, telah dilakukan survey lapangan di daerah kajian/penelitian daerah Bantul, DIY, pada bulan November 2007. Kendala yang mempengaruhi ketelitian hasil verifikasi adalah karena data yang digunakan hanya data AVNIR-2 dan PRISM, perekaman tanggal 1AVNIR-2 Juni 2007. Untuk objek-objek penutup lahan/tanaman pertanian sawah yang sifatnya statis dipertimbangkan pula penggunaan kelas-kelas berdasarkan kelas penggunaan lahan. Untuk objek-objek yang sifat perubahan fisiknya dinamis, lebih diutamakan identifikasi berdasarkan interpretasi data citra ALOS

Pansharp yang dianalisis.

Peta citra informasi spasial penu-tup lahan/tanaman pertanian sawah, skala 1: 50.000, hasil digitasi on-screen identifikasi objek-objek penutup lahan/ tanaman pertanian sawah berdasarkan interpretasi atau analisis visual data citra Pansharp Daerah Bantul, DIY, perekaman tanggal 12 Juni 2006, ditunjukkan pada Gambar 5-1.

(16)

Gambar 5-1: Peta citra informasi spasial penutup lahan/tanaman pertanian sawah, skala 1: 50.000, hasil digitasi on-screen menggunakan data citra

Pansharp ALOS (AVNIR-2 dan PRISM), Daerah Bantul, DIY, perekaman

tanggal 12 Juni 2006

6 KESIMPULAN

Berdasarkan kajian/penelitian dan uji coba yang dilakukan pada daerah kajian/penelitian daerah pertanian Bantul dan sekitarnya, DIY, diperoleh hasil atau kesimpulan sebagai berikut:

 Data citra AVNIR-2 dan PRISM efektif untuk aplikasi pertanian, dengan penen-tuan teknik dan metode pengolahan dan analisis data yang tepat untuk memperoleh hasil dengan ketelitian yang dapat diterima oleh pengguna,  Dalam kajian/penelitian ini dilakukan

uji coba dan diperoleh hasil citra-citra

Pansharp, hasil penajaman citra (Image PanSharpening) menggunakan

citra-citra AVNIR-2 dengan beberapa variasi komposit dan PRISM (nadir), dengan metode a) Hue Saturation Value (HSV), b) Color Normalized (Brovey), c)

Gram-Schmidt Spectral Sharpening, dan d) PC Spectral Sharpening,

Dari uji coba yang dilakukan, untuk identifikasi objek-objek penutup lahan/ tanaman pertanian sawah, diperoleh: citra Pansharp, hasil metode

Pan-sharpening (HSV Image Sharpening)

AVNIR-2 komposit 321 dan PRISM (nadir), adalah terbaik dibandingkan dengan metode-metode lain: a) Color

Normalized (Brovey), b) Gram-Schmidt Spectral Sharpening, dan c) PC Spectral Sharpening,

Dari hasil identifikasi objek-objek penutup lahan/tanaman pertanian sawah dengan melakukan interpretasi atau analisis visual citra Pansharp (dengan metode HSV Sharpening)

diperoleh citra informasi spasial penutup lahan/tanaman pertanian sawah, skala 1: 50.000, hasil digitasi on-screen objek-objek penutup lahan/tanaman pertanian sawah, menggunakan data citra

Pan-sharp ALOS (AVNIR-2 dan PRISM),

Daerah Bantul, DIY, perekaman tanggal 12 Juni 2006,

(17)

 Hasil kajian ini menunjukkan teknik dan metode fusi data citra Pankromatik (citra hitam-putih) PRISM yang mem-punyai resolusi spasial tinggi dengan data citra multispektral AVNIR-2 (citra berwarna) dengan resolusi spasial rendah dapat mempertajam atau meningkatkan ketelitian informasi atau identifikasi objek-objek penutup lahan/tanaman pertanian (metode HSV Sharpening). DAFTAR RUJUKAN

ENVI, Image Sharpening_ENVIHelp. Ito, S., 2005. Space Activities of JAXA,

Next Generation Earth Observation Satellite System, JAXA (Japan

Aero-space Exploration Agency), Japan. JAXA (Japan Aerospace Exploration

Agency), 2005. ALOS Data Application

to Landslide and Earthquake, Earth

Observation Research and Appli-cation Centre, Japan. (http://www. eorc.jaxa.jp/ALOS/index_j.htm). JAXA (Japan Aerospace Exploration

Agency), 2004. Gazing into Earth ‘s

Expression, Advanced Land Observing Satellite (ALOS), Earth Observation

Research Center, Japan. (www.nasda. go. jp/ projects/alos/index-e.html).

(www.jaxa.jp/missions/projects/sat

/eos/alos/index-i.html).

Laben, di dalam Image Sharpening_ ENVIHelp, Process for Enhancing the

Spatial Resolution of Multispectral Imagery Using Pan-Sharpening, US

Patent 6,011,875), di dalam Image

Sharpening_ENVIHelp).

NASDA (National Space Development Agency of Japan), 2004a. ALOS

Advanced Land Observing Satellite,

Satellite and Program, Japan. NASDA (National Space Development

Agency of Japan), 2004b. ALOS

Advanced Land Observing Satellite, Sensor and Product, Japan.

NASDA (National Space Development Agency of Japan), 2005. Aplications

ALOS – Advanced Land Observing Satellite, Japan.

NASDA, EORC (Earth Observation Researh Centre), 2006. (http:// www. eorc. nasda.go. jp/ALOS/ img_up/ asorb_ 060323.htm); (http:// www. eorc. nasda.go.jp/ALOS/img_up/pri_rbfuji. htm).

Osawa, Y., 2004, Optical and Microwave

Sensor on Japanese Mapping

Satellite – ALOS, Japan Aerospace

Exploratium Agency (JAXA), Japan. Richards, J.A., 1999. Remote Sensing

Digital Image Analysis: An

Intro-duction, Springer-Verlag, Berlin,

Germany, p. 240.

Sitanggang, G.; R., Ginting; Silvia, 2006.

Kajian Sistem Inderaja Satelit ALOS (Advanced Land Observing

Satellite), Laporan Akhir Kegiatan

Litbangfatja, PUSBANGJA-LAPAN, Jakarta.

Sitanggang, G.; W.K, Harsanugraha; Rina Widyastuti, 2007. Laporan Survey