1
ANALISA KARAKTERISTIK SPEKTRAL (SPECTRAL
SIGNATURE) UNTUK SULFAT DI PERMUKAAN AIR LAUT
PADA BAND LANDSAT 8 OLI
Muhsi
Program Studi Sistem Informasi, Fakultas Teknik Universitas Islam Madura Jl. PP. Miftahul Ulum Bettet, Pamekasan 69351, Madura
Telp. (0324) 32178, 331084 E-mail : muhsiy@gmail.com
Abstraks
Teknik penginderaan jauh merupakan salah satu teknik yang paling efektif saat ini dalam memotret kenampakan objek di permukaan bumi yang kemudian direkam dalam bentuk citra. Sementara citra digital yang direkam melalui satelit seperti Landsat 8 dapat dianalisa untuk estimasi kadungan unsur di permukaan air laut untuk mendukung para pemangku kebijakan dalam mengambil keputusan. Untuk mengestimasi tersebut digunakan nilai spektral pada Landsat 8 hasil perekaman dari sensor yang dimiliki karena tidak semuanya dapat senstif terhadap objek tertentu. Penelitian ini dimaksudkan untuk menganalisa karakteristik dari spektral berupa band pada Landsat 8 OLI yang sensitif terhadap sulfat di permukaan air laut. Hasil analisa dengan melihat korelasi setiap band dengan sulfat berupa koefisien diterminasi (R2), didapat band 5 berupa sensor Near-Infrared (NIR) yang memiliki nilai R2 lebih tinggi dibandingkan band yang lain. Sehingga melalui band 5 tersebut dapat dilakukan analisa lebih lanjut terhadap proses estimasi kandungan sulfat di permukaan air laut.
Keywords: Spektral, Reflectance Remote Sensing (Rrs), Landsat 8 OLI, Sulfat.
1. PENDAHULUAN
Sulfat merupakan salah satu senyawa kimia yang berada di tanah berair atau di air (Aji & Purwanto, 2010). Keberadaan sulfat di air laut dapat memberikan pengaruh terhadap durabilitas bangunan beton yang terpapar di dalamnya (Susilorini & Sambowo, 2011; Susilorini & Suwarno, 2009). Di lain pihak magnesium sulfat (MgSO4) perlu diendapkan ketika proses pembuatan garam (Effendy, Muhsoni, Shidiq, & Heryanto, 2013). Sehingga mengetahui kandungan sulfat di air laut menjadi penting untuk kebutuhan tersebut sebagai dasar untuk pengambilan keputusan selanjutnya.
Selama ini mengetahui kandungan sulfat di air laut dilakukan dengan mengambil sampel air laut
kemudian dianalisa di laboratorium dengan salah satu metode Gravimetric (with ignition or drying of residue), Turbidimetric atau Automated methylthymol blue (Clesceri, Greenberg, & Eaton, 1999). Melalui teknik penginderaan jauh kandungan sulfat di air akan dianalisa melalui citra hasil pemotretan satelit. Citra yang dianlisa berupa nilai spektral berupa pantulan cahaya yang diterima oleh sensor hasil interaksi elektromagnetik dengan objek itu sendiri (Budhiman, 2012). Walaupun menurut Budhiman (2012) menjelaskan bahwa tidak semua parameter kualitas perairan tidak dapat diturunkan secara langsung oleh pengeinderaan jauh. Tapi dalam penelitian Stack at.al (2015) telah dilakukan penelitian untuk pemodelan near-infrared reflectance spectra dari
2 sulfat yang bercampur dengan tanah liat
(Stack & Milliken, 2015).
Atas dasar hal tersebut dalam penelitian ini akan dilakukan studi dan analisa spektral band Landsat 8 OLI yang direkam dengan sensor multispektral yang sensitif terhadap sulfat di air laut termasuk band NIR. 2. TEORI
2.1. Sulfat
Sulfat termasuk senyawa ionic yang memiliki kode kimia SO4-2. Secara
alamiah sulfat berasal dari biomassa atau bakteri yang meyebabkan terjadinya oksidasi suatu senyawa sulfida (Chang, 2010; Chang & Overby, 2011). Secara ilmiah sulfat dapat dibuat dengan pelarutan unsur yang mengandung S atau dapat berasal dari limbah industri yang masuk ke dalam air atau tanah
Sebagai unsur yang yang dapat mempengaruhi bangunan di beton khususnya di lingkungan agresif seperti air laut, telah banyak penelitian yang dilakukan untuk mengantisipasi gangguan sulfat itu sendiri. Mulai dari memberi campuran abu sekam atau bubuk kaca pada saat pembuatan beton (Fanisa & Tanzil, 2013; Putra, 2006). Menurut Mishra (2010) dalam (Fanisa & Tanzil, 2013), sumber sulfat yang mempengaruhi durabilitas beton adalah sebagai berikut, yaitu :
1. Bersumber dari internal beton itu sendiri, yaitu kandungan sulfat yang terdapat di dalam bahan campuran beton pada saat pembuatan seperti semen hidrolis, agregat, fly ash dan lain sejenisnya.
2. Bersumber dari lingkungan dimana bangunan beton tersebut berada. Seperti di tanah, air laut atau air yang terkontaminasi limbah industri dengan kandungan sulfat besar.
2.2. Spektral
Pada saat gelombang elektromagnetik berinteraksi dengan suatu objek di permukaan bumi akan menghasilkan nilai yang dikenal dengan spektral (Danoedoro, 2012). Nilai spektral untuk setiap objek memiliki ke-khasan tersendirii walaupun secara visual terlihat sama. Hal ini terjadi karena masing-masing objek memiliki karakteristik yang berbeda dengan objek yang lain, yaitu dari warna, keras atau tidak kerasnya objek maupun intensitas gelombang elektromagnetik pada saat mengenai objek tersebut (Kusumowidagdo, Sanjoto, Banowati, Setyowati, & Semedi, 2008). Spektral merupakan jamak dari spektrum dari gelombang elektromagnetik adalah suatu nilai dari suatu interaksi gelombang elektromagnetik dengan suatu objek (Danoedoro, 2012; Nurandani, 2014). Dalam sistem penginderaan jauh (khususnya satelit Landsat 8 OLI) menggunakan panjang gelombang 433nm – 12.50nm.
Gelombang elektromagnetik yang mengenai objek akan dihamburkan, diserap dan dipantulkan kembali dan direkam oleh sensor saltelit dengan bantuan matahari (Gambar 1).
Gambar 1. Sistem Penginderaan Jauh (Natural Resources Canada, 2016) Terdapat objek yang memiliki serapan dan hamburan tinggi namun pantulan kecil seperti air. Demikian juga ada objek yang memiliki pantulan tinggi tapi serapan kecil seperti gedung atau
3 bangunan. Hasil perekaman sensor
satelit berbentuk citra yang kemudian dapat diolah untuk kepentingan tertentu. Menurut Purwadhi (2001) citra dapat bersifat optic apabila berbentuk fotografik dan berupa foto yang direkam menggunakan kamera sebagai sensor dan film sebagai detektor, contohnya adalah foto udara. Citra bersifat analog apabila berupa sinyal video yang perekamannya menggunakan sistem gabungan optical scanning dan sensornya menggunakan kamera video dengan detektor optik elektronik contohnya televisi atau videotron. Sedang dapat bersifat digital apabila citra berupa non fotografik yang oleh satelit penginderaan jauh pada spektrum tampak, ultraviolet, inframerah dekat, inframerah termal dan gelombang mikro serta direkam menggunakan sensor non kamera dengan detector lebih luas hasilnya berbentuk piksel, contohnya adalah citra Landsat, SPOT, NOAA dan lain sebagainya (Purwadhi, 2001).
2.3. Landsat 8 OLI
Sebagai observasi tertua Landsat telah banyak meluncurkan satelit yang sampai saat ini satelit terbaru adalah Landsat 8 dengan menggunakan sensor OLI multispectral pada band 1-7 dan 9 dengan pixel size 30 meter, sensor OLI panchromatic pada band 8 dengan pixel size 15 meter dan sensor TIRS pada band 10-11 dengan pixel size 30 meter (Gambar 2).
Gambar 2 Band dan Panjang Gelombang Landsat 8
(http://landsat.usgs.gov/)
Landsat 8 merupakan hasil kerja sama antar NASA dan United States Geological Survey (USGS) diluncurkan pada 11 Februari 2013 dan beroperasi secara normal pada tanggal 11 April 2013. Terdapat perbedaan dibandingkan dengan Landsat sebelumnya baik dari aspek sensor dan panjang gelombang yang digunakan seperti tampak pada Gambar 3.
Gambar 3. Perbedaan sensor Landsat 8 (OLI dan TIRS) dengan landsat sebelumnya (MSS, TM dan ETM+) (https://landsat.usgs.gov/)
3. HASIL DAN PEMBAHASAN Penelitan ini merupakan bagian dari penelitian pembuatan model untuk estimasi sulfat di permukaan air laut di Selat Madura. Penelitian awal ini digunakan untuk melihat sensitifitas band pada Landsat 8 OLI terhadap kandungan senyawa sulfat di air laut. Data yang digunakan adalah nilai reflectance remote sensing (Rrs) insitu band Landsat 8 OLI dan nilai sulfat insitu permukaan air laut yang diambil di perairan selat Madura pada tanggal 2 Juni 2016.
4 Rrs insitu didapat dengan
menggunakan formula (1) dan (2). Hal ini dikarenakan Rrs tidak dapat diukur langsung di lapangan (Mobley, 1999a).
(1) (2) Dimana :
Lw : (water leaving radiance /Wm-2sr-1 )
Lu : (upwelling radiance/Wm-2sr-1),
Ls: (downward radiance atmosfer/ Wm-2sr-1),
ρs : bagian dari reflectance yang ada di permukaan perairan yang berasal dari pantulan cahaya matahari. ρs dapat dihitung menggunakan formula Fresnel (Hecht, 2002) (Budhiman, Suhyb, Vekerdy, & Verhoef, 2012). ρ2 juga dapat menggunakan nilai konstanta hasil penelitian (Mobley, 1999b) atau nilai konstanta 0,02 dalam penelitian (Nababan, Wirapramana, & Arhatin, 2013)
Ketiga data tersebut (Lw, Lu, Ls) di atas diukur menggunakan alat spectroradiometer TriOS Ramses yang dipinjam dari LAPAN RI.
Spectroradiometer TriOS Ramses dalam merekam data menggunakan sensor hyperspectral sehingga nilainya perlu direduksi menjadi multispectral bercirikan band Landsat 8 OLI. Proses reduksi dilakukan berdasarkan RSR (Relative Spectral Respons) Landsat 8 yang diunduh di https://landsat.usgs.gov/
(Gambar 4). Rrs hasil reduksi menjadi Rrs band Landsat 8 OLI hanya menggunakan band 1, band 2, band 3, band 4 dan band 5 karena panjang gelombang yang digunakan pada alat Spectroradiometer TriOS Ramses memiliki rentang 320nm–950nm dan interval 3,3nm.
Data sulfat didapat dengan cara mengambil sampel air laut dengan botol plastik 600ml kemudian disimpan di
tempat yang dingin dengan suhu 40C. Sampel air laut dianalisa kandungan sulfatnya di Laboratorium Kualitas Lingkungan Jurusan Teknik Lingkungan ITS menggunakan metode Gravimetric dengan alat spectrofotometer dan panjang 420nm. Data Rrs dan sulfat seperti ditunjukkan pada Tabel 1. Untuk perbedaan antara band dapat ditunjukkan oleh Gambar 5.
Gambar 4. Relative Spectral Respons) Landsat 8 OLI
Tabel 1. Rrs insitu band Landsat 8 OLI dan sulfat insitu
No Rrs Sulfat
Band1 Band2 Band3 Band4 Band5
1 0,0119 0,0139 0,0125 0,0036 0,0007 2.089,14 2 0,0146 0,0168 0,0176 0,0062 0,0014 2.433,00 3 0,0145 0,0167 0,0185 0,0069 0,0006 1.984,50 4 0,0157 0,0181 0,0213 0,0082 0,0009 2.285,54 5 0,0154 0,0177 0,0206 0,0068 0,0005 2.167,82 6 0,0141 0,0163 0,0197 0,0058 0,0002 1.747,79 7 0,0113 0,0135 0,0142 0,0032 0,0003 1.890,14 8 0,0102 0,0120 0,0108 0,0025 0,0001 1.910,80 9 0,0103 0,0111 0,0086 0,0027 0,0003 2.046,43 10 0,0083 0,0088 0,0057 0,0016 0,0001 2.256,04 11 0,0099 0,0105 0,0079 0,0026 0,0004 2.360,79 12 0,0106 0,0115 0,0089 0,0025 0,0003 1.837,07 13 0,0123 0,0138 0,0124 0,0035 0,0004 2.083,00 14 0,0098 0,0106 0,0074 0,0022 0,0009 2.058,72 15 0,0096 0,0098 0,0066 0,0025 0,0009 1.624,61 16 0,0114 0,0114 0,0079 0,0027 0,0006 2.366,92 17 0,0129 0,0148 0,0140 0,0032 0,0005 1.984,50 18 0,0131 0,0151 0,0148 0,0037 0,0004 2.366,92 19 0,0173 0,0198 0,0224 0,0070 0,0012 2.045,18 20 0,0166 0,0192 0,0242 0,0082 0,0006 1.920,85
5 Gambar 5. Grafik perbedaan Rrs antar
Band
Dari data tesebut kemudian dilihat korelasinya antara sulfat sebagai variabel dependen (Y) dan Rrs untuk setiap band sebagai variabel independen (X). Korelasi akan dilakukan pada masing-masing band untuk melihat sensitifitas Rrs pada band terhadap sulfat di permukaan air laut. Indikator yang digunakan adalah nilai nilai koefisien diterminasi (R2) setiap relasi.
Sebelum dilakukan korelasi terlebih dahulu dilakukan pengujian terhadap data sulfat dengan melihat oulier. Proses melihat outlier dilakukan dengan cara :
-
Menghitung rata-rata nilai sulfat-
Menghitung nilai standar deviasi-
Membuat nilai sulfatterstandarisasi berdasarkan nilai rata-rata sulfat dan nilai standar deviasi.
-
Mengabsolutkan nilai standar-
Mencari nilai absolut yang lebih besar dari 2.Dari proses tersebut nilai sulfat no. 15 terjadi oulier sehingga dikeluarkan dari data. Dengan demikian data yang akan dilakukan korelasi adalah 19 data sulfat insitu dan 19 data Rrs setiap band.
Korelasi dilakukan dengan melakukan ploting menggunakan grafik scatter di software MS Excel untuk dilihat trendline secara linier terhadap masing-masing korelasi seperti tampak pada Gambar 6 dan Tabel 2.
Gambar 6a. Korelasi Rrs Band 1 dengan Sulfat
Gambar 6b. Korelasi Rrs Band 2 dengan Sulfat
Gambar 6c. Korelasi Rrs Band 3 dengan Sulfat
6 Gambar 6d. Korelasi Rrs Band 4
dengan Sulfat
Gambar 5e. Korelasi Rrs Band 5 dengan Sulfat
Tabel 2. Nilai R2 setiap band
No Band R2 1 Band 1 0.0017 2 Band 2 0.0105 3 Band 3 0.0301 4 Band 4 0.0009 5 Band 5 0.1784
Dari Tabel 2 di atas terlihat bahwa pada band 5 yaitu sensor NIR (Near-Infrared) yang memiliki nilai R2 paling tinggi diantara band lainnya (Gambar 4a). Band 5 dengan panjang gelombang 845nm – 885nm memiliki sensifitas terhadap sulfat di permukaan air laut. Hal ini sesuai dengan penelitian yang dilakukan (Stack & Milliken, 2015) yang menggunakan reflektan pada sensor near-infrared dalam memodelkan sulfat yang bercampur dengan tanah liat. Selain itu karena sulfat merupakan senyawa kimia di air laut sehingga tidak terlalu sensitif untuk
sensor dengan spektral warna seperti band 1 dan band 2 (blue), band 3 (green) serta band 4 (red). Berbeda dengan unsur yang bersifat fisik di air laut dan tampak secara visual seperti suhu permukaan, total suspended soil dan lain sejenisnya.
3. SIMPULAN
Karakteristik spektral pada Landsat 8 OLI yang sensitif terhadap kandungan sulfat di air laut adalah band 5 dengan sensor NIR. Melalui band 5 dapat dilakukan analisa lebih lanjut tentang estimasi peta distribusi sulfat di permukaan air laut.
UCAPAN TERIMA KASIH
Penulis mengucapkan terima kasih kepada LAPAN atas dukungannya dalam penelitian ini berupa peminjaman alat Spectroradiometer untuk pengambilan data.
PUSTAKA
Aji, P., & Purwanto, R. (2010).
Pengendalian Mutu Beton Sesuai SNI, ACI dan ASTM. Surabaya: ITS Press.
Budhiman, S. (2012). Perbandingan Karakteristik Spektral (Spectral Signature) Parameter Kualitas Perairan Pada Kanal Landsat ETM + dan Envisat Meris (Comparion of Water Constituents Spectral Signature on Landsat ETM+ and Envisat Meris Band. Jurnal Pengideraan Jauh, 9(2), 76–89. Budhiman, S., Suhyb, M., Vekerdy, Z.,
& Verhoef, W. (2012). Deriving optical properties of Mahakam Delta coastal waters , Indonesia using in situ measurements and ocean color model inversion. ISPRS Journal of Photogrammetry and Remote Sensing, 68, 157–169. https://doi.org/10.1016/j.isprsjprs.2 012.01.008
7 Chang, R. (2010). CHEMISTRY 10th
EDITION. (T. L. Hodge, Ed.) (10th ed.). New York: The McGraw-Hill Companies.
Chang, R., & Overby, J. (2011). General Chemistry The Essential Concepts (Sixth Edition). (T. L. Hodge, Ed.) (6th ed.). New York: The McGraw-Hill Companies. Clesceri, L. S., Greenberg, A. E., & Eaton, A. D. (1999). Standard Methods for the Examination of Water and Wastewater (20th Edition). (L. S. Clesceri, A. E. Greenberg, & A. D. Eaton, Eds.) (20th ed.). American Public Health Association Federation: American Water Works Association, Water Environment.
Danoedoro, P. (2012). Pengantar Pengideraan Jauh. Yogyakarta: CV. Andi Offset.
Effendy, M., Muhsoni, F. F., Shidiq, R. F., & Heryanto, A. (2013). Garam Rakyat Potensi dan Permasalahan (1st ed.). Bangkalan: Trunojoyo Press.
Fanisa, E. G. ., & Tanzil, G. (2013). Pengaruh Sulfat Terhadap Kuat Tekan Beton Dengan Variasi Bubuk Kaca Substitusi Sebagian Pasir Dengan w/c 0,60 Dan 0,65. Jurnal Teknik Sipil Dan
Lingkungan, 1(1), 68–73. Hecht, E. (2002). OPTICS fourth
edition (4th ed.). Addison-Wesley. Kusumowidagdo, M., Sanjoto, B. T.,
Banowati, E., Setyowati, L. D., & Semedi, B. (2008). Penginderaan Jauh dan Interpretasi Citra. Semarang: LAPAN dan Universitas Negeri Semarang. Mobley, C. D. (1999a). Estimation of
Remote Sensing Reflectance from Above-Surface Measurements. Applied Optics, 38(36), 7442– 7455.
Mobley, C. D. (1999b). Estimation of the remote-sensing reflectance from above-surface measurements.
Nababan, B., Wirapramana, A. A., & Arhatin, R. E. (2013). Spectral of Remote Sensing Reflectance of Surface Waters. Jurnal Ilmu Dan Teknologi Kelautan Tropis, 5(1), 69–84.
Natural Resources Canada. (2016). Fundamentals of Remote Sensing. Canada: A Canada Centre for Remote Sensing.
Nurandani, P. (2014). PENGOLAHAN DATA PENGINDERAAN JAUH UNTUK PEMETAAN TOTAL SUSPENDED SOLID ( TSS ) DI DANAU RAWA PENING PROVINSI, 722–731.
Purwadhi, F. S. H. (2001). Interpretasi Citra Digital. Jakarta: Grasindo. Putra, D. (2006). Penambahan Abu
Sekam pada Beton Dalam
Mengantisipasi Kerusakan Akibat Magnisium Sulfat pada Air Laut. Jurnal Ilmiah Teknik Sipil Univ. Udayana, 10(2).
Stack, K. M., & Milliken, R. E. (2015). Modeling near-infrared reflectance spectra of clay and sulfate mixtures and implications for Mars. Icarus, 250, 332–356.
https://doi.org/10.1016/j.icarus.201 4.12.009
Susilorini, R. M. I. R., & Sambowo, A. K. (2011). Teknologi Beton Lanjutan Durabilitas Beton Edisi ke-2. Semarang: Penerbit Surya Perdana Semesta (SPS).
Susilorini, R. M. I. R., & Suwarno, D. (2009). Mengenal dan Memahami Teknologi Beton. Semarang: Penerbit Unika Soegijapranata.
View publication stats View publication stats