EKSPLORASI ALOS PALSAR MENGGUNAKAN POLSARPRO V3.0 DENGAN AREAL KAJIAN PT. SANG HYANG SERI, SUBANG,
JAWA BARAT
Oleh :
DERY RIANSYAH A24103087
DEPARTEMEN ILMU TANAH DAN SUMBERDAYA LAHAN FAKULTAS PERTANIAN
INSTITUT PERTANIAN BOGOR 2008
EKSPLORASI ALOS PALSAR MENGGUNAKAN POLSARPRO V3.0 DENGAN AREAL KAJIAN PT. SANG HYANG SERI, SUBANG,
JAWA BARAT
Skripsi
Sebagai salah satu syarat untuk memperoleh gelar sarjana pada Fakultas Pertanian Institut Pertanian Bogor
Oleh :
DERY RIANSYAH A24103087
DEPARTEMEN ILMU TANAH DAN SUMBERDAYA LAHAN FAKULTAS PERTANIAN
INSTITUT PERTANIAN BOGOR 2008
ABSTRACT
DERY RIANSYAH. Exploration Of ALOS PALSAR Using PolSARpro v3.0 with Areal Study PT. Sang Hyang Seri, Subang, West Java. Supervised By M.A. RAIMADOYA and HIDAYAT WIRANEGARA.
Present, radar system satellite has reached up to third generation with four polarization (full polarization). Japan satellite ALOS has this four polarization. This ALOS satellite has 3 type of sensors, those are PRISM (panchromatic
remote sensing instrument for stereo mapping), AVNIR-2 (advanced visible and near infrared radiometer type-2) and PALSAR (phassed array type L-band synthetic aperture radar).
This study using ALOS/PALSAR PLR Level 1.5 image which is record at May 10th, 2006 with Areal Study PT. Sang Hyang Seri, Subang, West Java. The data processing using PolSARpro v3.0 has some steps, those are Intensities
Elements; MultiLook Conversion; Speckle Filter (Boxcar, Gaussian and J.S. Lee Refined Filter); and Wishart Supervised Classification. In Intensities Elements
process, the best result of this process comes from I22 image with VV polarization and 8-bits enhanced contrast. This image shows paddy field blocks clerly than the other image. In speckle filter process, the best result image comes from J.S. Lee refined filter image. J.S. Lee Refined Filter image shows paddy field blocks clearly and specifically. The best polarization is VV polarization. The result of Wishart Supervised Classification process are ten classes of paddy field land cover. At the first time, this research aimed to classify paddy growing phases and estimate paddy production, but it could not be processed because most of the paddy fields had the harvest times overed, and the paddy field area in the classified image was not planted. Whatever it is, ALOS/PALSAR image for natural resource information use, especially for agriculture use is promising, it’s showed in wishart supervised classification that pixel population and its scattering can be calculated.
ABSTRAK
DERY RIANSYAH. Eksplorasi ALOS PALSAR Menggunakan PolSARpro v3.0 dengan Areal Kajian PT. Sang Hyang Seri, Subang, Jawa Barat. Dibawah Bimbingan M.A. RAIMADOYA dan HIDAYAT WIRANEGARA.
Sistem satelit radar saat ini sudah memasuki generasi ketiga dengan empat polarisasi (full polarization), seperti pada sensor radar PALSAR dari Satelit ALOS milik Jepang yang diluncurkan tanggal 24 Januari 2006. Satelit ALOS ini membawa tiga jenis sensor, yaitu PRISM (Panchromatik Remote-sensing
Instrument for Stereo Mapping), AVNIR-2 (Advanced Visible and Near Infrared Radiometer type-2) dan PALSAR (Phased Array type L-band Synthetic Aperture Radar).
Studi ini menggunakan citra ALOS/PALSAR PLR Level 1.5 rekaman 10 Mei 2006 pada kawasan PT Sang Hyang Sri, Subang, Jawa Barat. Pengolahan citra menggunakan PolSARpro v3.0 yang mencakup beberapa proses, yaitu
Intensities Element, konversi MultiLook, Speckle Filter (Boxcar, Gaussian dan J.S. Lee Refined Filter) dan klasifikasi Wishart terselia (Wishart Supervised Classification). Pada hasil proses Intensities Element citra span adalah yang
paling baik, sedangkan untuk proses konversi MultiLook, citra dengan tampilan terbaik diperlihatkan oleh citra I22 dengan polarisasi VV pada kedalaman warna 8-bits (enhanced contrast). Pada citra I22, petak sawah terlihat lebih jelas dibandingkan dengan citra yang lain. Untuk proses Speckle Filter, citra J.S. Lee
Refined Filter adalah yang paling baik. Tampilan citra J.S. Lee Refined Filter
menghasilkan batas petak sawah sangat jelas dan lebih spesifik. Proses Klasifikasi Wishart terselia (Wishart Supervised Classification) menghasilkan sebanyak sepuluh kelas tutupan lahan kawasan persawahan. Tujuan awal penelitian ini untuk mengkelaskan fase pertumbuhan dan estimasi produksi padi tidak tercapai, karena citra direkam saat sebagian besar areal sawah bera. Apapun juga, pemanfaatan citra ALOS PALSAR untuk informasi sumberdaya alam, khususnya bidang pertanian cukup menjanjikan, karena pada hasil klasifikasi Wishart terselia dapat diketahui jumlah sebaran dan populasi piksel pada kelas yang dibuat.
Judul : EKSPLORASI ALOS PALSAR MENGGUNAKAN POLSARPRO V3.0 DENGAN AREAL KAJIAN PT. SANG HYANG SERI,
SUBANG, JAWA BARAT Nama : DERY RIANSYAH
NRP : A24103087
Menyetujui,
Dosen Pembimbing I Dosen Pembimbing II
Ir. Mahmud A. Raimadoya, M.Sc. Ir. Hidayat Wiranegara NIP. 130 607 615 NIP. 130 536 666
Mengetahui, Dekan Fakultas Pertanian
Prof. Dr. Ir. Didy Sopandie, M.Agr. NIP. 131 124 019
RIWAYAT HIDUP
Penulis yang bernama Dery Riansyah dilahirkan di Bogor pada tanggal 10
Desember 1984, merupakan anak kedua dari empat bersaudara pasangan U.
Suminta dan Juriah.
Pada tahun 1991 sampai dengan 1997 memulai pendidikan Sekolah Dasar
Negeri Kebon Pedes V Bogor. Pada tahun 1997 sampai dengan 2000 penulis
melanjutkan pendidikan Sekolah Menengah Pertama di SMPN 4 Bogor dan pada
tahun 2000 sampai dengan 2003 penulis melanjutkan pendidikan Sekolah
Menengah Atas di SMAN 6 Bogor. Pada tahun 2003 penulis melanjutkan
pendidikan Strata-1 di Departemen Ilmu Tanah dan Sumberdaya Lahan, Fakultas
Pertanian, Institut Pertanian Bogor melalui jalur SPMB.
Selama menempuh di perguruan tinggi, penulis berkesempatan menjadi
asisten praktikum mata kuliah Sistem Informasi Geografis pada tahun ajaran
2006/2007, pada tahun ajaran 2007/2008 kembali berkesempatan menjadi asisten
KATA PENGANTAR
Puji dan syukur penulis panjatkan ke hadirat Allah SWT, karena dengan izin-Nya lah penulis dapat menyelesaikan skripsi ini. Salawat serta salam penulis curahkan kepada bimbingan Nabi Besar Muhammad SAW, yang telah membimbing seluruh umat manusia. Skripsi ini disusun sebagai salah satu syarat untuk mencapai gelar sarjana pertanian di Fakultas Pertanian – Institut Pertanian Bogor.
Dalam penulisan skripsi ini terdapat banyak hambatan yang mungkin mingkin tidak dapat saya hadapi sendiri. Dukungan serta doa dari berbagai pihak begitu membantu sehingga skripsi dapat terselesaikan dengan baik. Untuk itu penulis mengucapkan terima kasih kepada :
1. Ir. Mahmud A. Raimadoya, M.Sc selaku dosen pembimbing utama yang telah memberikan bimbingan dan pengajaran selama kuliah, penelitian dan penulisan skripsi
2. Ir. Hidayat Wiranegara selaku dosen pembimbing II yang telah memberikan bimbingan, masukan serta saran kepada penulis dalam menyelesaikan penyusunan skripsi
3. Ir. Bambang H. Trisasongko, M.Sc yang telah memberikan ilmu dan sarannya sehingga skripsi ini dapat terselesaikan
4. Prof. Dr. Ir. Iswandi Anas, M.Sc atas pengajaran dan bimbingannya selama kuliah
5. Keluarga yang sangat saya sayangi, yang selalu memberikan dukungan serta doa yang selalu mengalir setiap saat
6. Kawan – kawan seperjuangan (Dipo, Chandra, Ardi, Prima, Iqwal) yang selalu mendukung satu sama lain serta kerjasamanya yang kompak
7. Kawan – kawan Tanah 40
8. Soil Security Team (Bos Suhadi, Arifin, Hardi, Sugiman)
9. Semua pihak yang tidak saya sebutkan satu persatu, yang telah memberikan dukungan dan kerjasamanya sehingga skripsi ini dapat terselesaikan dengan baik
Penulis berharap semoga skripsi ini dapat bermanfaat bagi semua pihak yang membutuhkannya, terutama untuk perkembangan teknologi radar di Indonesia.
Bogor, September 2008
DAFTAR ISI
Halaman
DAFTAR ISI ... i
DAFTAR TABEL ... ii
DAFTAR GAMBAR ... iii
I. PENDAHULUAN 1.1 Latar Belakang... 1
1.2 Tujuan ... 2
II. TINJAUAN PUSTAKA 2.1 Penginderaan Jauh ... 3
2.2 Radar ... 4
2.3 Parameter Sistem Radar 2.3.1 Panjang Gelombang ... 6
2.3.2. Polarisasi ... 6
2.4 ALOS PALSAR 2.4.1 Spesifikasi Instrumen Satelit ALOS PALSAR ... 8
2.4.2 Produk dan Pengolahan Data ALOS ... 9
III. BAHAN DAN METODE 3.1 Waktu dan Tempat ... 10
3.2 Bahan dan Alat... 10
3.3 Metode Penelitian ... 10
3.4 Diagram Alir ... 12
IV. HASIL DAN PEMBAHASAN 4.1 Pengolahan Citra ALOS PALSAR Level 1.5 ... 13
4.2 Pengecekan Hasil Klasifikasi Wishart Terselia Dengan Data Lapang ... 25
V. KESIMPULAN DAN SARAN 5.1 Kesimpulan ... 30
5.2 Saran ... 30
DAFTAR TABEL
Nomor Halaman
1. Kisaran Panjang Gelombang (λ) pada Saluran / Band Radar ... 6
2. Keterangan Umum ALOS ... 7
3. Karakteristik PALSAR ... 9
4. Produk Data Standar PALSAR ... 9
5. Confusion Matrix ... 24
6. Class Population ... 25
DAFTAR GAMBAR
Nomor Halaman
1. Sistem Penginderaan Jauh ... 4
2. Instrumen PALSAR ... 8
3. Prinsip Geometri dari PALSAR ... 8
4. Diagram Alir Penelitian ... 12
5. Tampilan Kerja PolSARpro v3.0 ... 13
6. Tampilan Kerja Environment Main Input Directory ... 13
7. Tampilan ALOS Input Data File ... 14
8. Tampilan kerja ALOS Extract Data ... 14
9. Penentuan lokasi titik (x,y) menggunakan Paint ... 15
10.Hasil cropping areal pengamatan ... 16
11.Tampilan fungsi Create BMP file ... 16
12.Visualisasi citra hasil ekstraksi (Display → float, real, Enhanced Contrast, 24-bits BMP) ... 17
13.Tampilan kerja Data Processing Intensities Elements... 18
14.Visualisasi citra hasil proses Intensities Elements (A*(db)=I*(db)) ... 18
15.Tampilan fungsi Data File Conversion Intensity PP to Intensity PP MultiLook ... 19
16.Visualisasi citra konversi MultiLook (Display → float, real, Enhanced Contrast, 8-bits BMP) ... 20
17.Perbandingan citra hasil proses Speckle Filter menggunakan Envi 4.1 ... 21
18.Tampilan kerja Data Processing Wishart Supervised Classification ... 22
19.Tampilan kerja Training Areas Graphic Editor... 23
20.Citra hasil proses Data Processing Wishart Supervised Classification ... 24
21.Peta peta kebun setelah dikelompokan berdasarkan jadwal tanamnya dan diregistrasi menggunakan ArcView ... 26
22.Penggunaan lahan disekitar areal persawahan PT. Sang
Hyang Seri ... 26 23.Pengecekan peta kebun dengan hasil klasifikasi ... 28
I. PENDAHULUAN
1.1Latar Belakang
Secara umum penginderaan jauh terbagi atas dua jenis, yaitu penginderaan jauh yang berbasis optik dan penginderaan jauh berbasis gelombang mikro atau radar. Citra optik merupakan hasil penginderaan dengan sensor pasif yaitu dengan menggunakan sumber energi radiasi matahari, sedangkan citra radar menggunakan sumber energi buatan atau sensor aktif.
Teknologi pengolahan citra radar telah lama dikembangkan di negara lain, namun Indonesia dinilai terlambat dalam aplikasi inderaja satelit sistem radar. Indonesia masih berkutat pada satelit sistem optik, sementara satelit sistem radar sudah dikembangkan cukup lama, disain awalnya sudah dikerjakan sejak tahun 1980-an dan mulai beroperasi pada tahun 1990-an. Radar generasi pertama ini dikembangkan di negara Kanada, Jepang dan Uni Eropa dengan menggunakan polarisasi tunggal. Sementara saat ini, satelit sistem radar sudah memasuki generasi ketiga yang memiliki empat polarisasi (full polarization). Sistem radar generasi ketiga ini mencakup sensor dengan berbagai frekuensi. Sistem tersebut sudah beroperasi sejak awal tahun 2002, sedangkan satelit ALOS milik Jepang telah diluncurkan pada tanggal 24 Januari 2006 dan memiliki empat polarisasi
(full polarization).
Satelit ALOS ini membawa tiga jenis sensor, yaitu PRISM (Panchromatik
Remote-sensing Instrument for Stereo Mapping) yang dirancang untuk
memperoleh data Digital Terrain Model (DTM); AVNIR-2 (Advanced Visible and
Near Infrared Radiometer type-2) yang dirancang untuk pemantauan penutup
lahan secara lebih tepat; dan PALSAR (Phased Array type L-band Synthetic
Aperture Radar) yang dirancang untuk pemantuan permukaan bumi dan cuaca
pada siang dan malam hari.
PALSAR merupakan sensor gelombang mikro aktif yang bekerja pada frekuensi band-L. Sensor PALSAR mempunyai kemampuan untuk menembus awan, sehingga informasi permukaan bumi dapat diperoleh setiap saat, baik siang maupun malam hari. Data PALSAR ini dapat digunakan untuk pembuatan DEM
informasi pergeseran tanah, kandungan biomasa, monitoring kehutanan, pertanian, tumpahan minyak (oil spill), soil moisture, mineral, dan lain-lain.
1.2Tujuan
Tujuan utama penelitian ini adalah upaya awal pemanfaatan data citra ALOS PALSAR dengan menggunakan perangkat lunak PolSARpro v3.0, disamping itu mencoba melakukan estimasi produksi padi dengan menggunakan klasifikasi Wishart terselia.
II. TINJAUAN PUSTAKA
2.1 Penginderaan Jauh
Penginderaan jauh merupakan teknik perolehan informasi tentang suatu objek, daerah, atau fenomena melalui analisis data yang direkam atau dikumpulkan oleh perangkat khusus yang tidak bersinggungan langsung dengan objek, daerah, atau fenomena yang diperhatikan. Ditinjau dari jenis sensor yang digunakan, terdapat dua jenis penginderaan jauh yaitu penginderaan jauh berbasis fotografi dan penginderaan jauh yang berbasis gelombang elektromagnetik. Pada berbagai hal, penginderaan jauh dapat diartikan sebagai proses membaca. Dengan menggunakan berbagai sensor, maka dapat dikumpulkan data dari objek, daerah, atau fenomena yang diperhatikan (Lillesand dan Kiefer, 1990).
Menurut Fussel, Rundquist dan Harrington (1986) Penginderaan jauh merupakan pengumpulan dan pencatatan informasi tanpa kontak langsung pada julat elektromagnetik ultraviolet, tampak, inframerah dan mikro dengan mempergunakan peralatan seperti penyiam (scanner) dan kamera yang ditempatkan pada wahana bergerak seperti pesawat udara atau pesawat angkasa dan menganalisis informasi yang diterima dengan teknik interpretasi foto, citra dan pengolahan citra.
Hasil penginderaan jauh umumnya berupa citra yang merupakan gambaran rekaman suatu objek yang dihasilkan dengan cara optik, elektrooptik, optik mekanik atau elektronik. Pada umumnya digunakan radiasi elektromagnetik yang dipancarkan atau dipantulkan dari suatu objek tidak langsung direkam pada film (Simonette et. al, 1983).
Menurut Sutanto (1994), ada empat komponen penting dalam sistem penginderaan jauh adalah (1) sumber tenaga elektromagnetik, (2) atmosfer, (3) interaksi antara tenaga dan objek, (4) sensor. Secara skematik dapat dilihat pada Gambar 1.
Gambar 1. Sistem Penginderaan Jauh (Sutanto, 1994)
Tenaga panas yang dipancarkan dari obyek dapat direkam dengan sensor yang dipasang jauh dari obyeknya. Penginderaan obyek tersebut menggunakan spektrum inframerah termal (Paine, 1981 dalam Sutanto, 1994). Dengan menggunakan satelit maka akan memungkinkan untuk memonitor daerah yang sulit dijangkau dengan metode dan wahana yang lain. Satelit dengan orbit tertentu dapat memonitor seluruh permukaan bumi. Satelit-satelit yang digunakan dalam penginderaan jauh terdiri dari satelit lingkungan, cuaca dan sumberdaya alam.
Sistem Informasi Geografi (SIG) adalah suatu sistem informasi yang dirancang untuk bekerja dengan data yang berreferensi spasial atau berkoordinat geografi. SIG dapat diasosiasikan sebagai peta yang berorde tinggi yang juga mengoperasikan dan menyimpan data non spasial (Star dan Estes, 1990 dalam Barus dan Wiradisastra, 2000). Disebutkan juga SIG telah terbukti kehandalannya untuk mengumpulkan, menyimpan, mengelola, menganalisa dan menampilkan data spasial baik biofisik maupun sosial ekonomi. Star dan Estes selanjutnya mengemukakan bahwa secara umum SIG menyediakan fasilitas-fasilitas untuk mengambil, mengelola, memanipulasi dan manganalisa data serta menyediakan hasil baik dalam bentuk grafik maupun dalam bentuk tabel, namun demikian fungsi utamanya adalah untuk mengelola data spasial
2.2 Radar
Radar (Radio Detection and Ranging) adalah sistem pengambilan data aktif, sehingga mampu dioperasikan malam hari dan menembus awan. Citra radar
merupakan hasil penginderaan dengan sistim aktif yaitu dengan sumber tenaga buatan. Segmentasi citra sangat penting dilakukan untuk melihat obyek yang berada pada satu citra baik citra medik, citra pengindraan jauh atau citra lain misalnya citra mikroskop dari laboratorium material. Citra pada penginderaan jauh dapat berupa citra optik atau citra radar. Segmentasi dan klasifikasi pada citra optik lebih mudah untuk dilakukan karena langsung terlihat kelas penutup lahannya, tetapi memiliki kesulitan karena masalah tutupan awan. Citra pada optik dari satu daerah negara beriklim tropik seperti Indonesia sering terganggu tutupan awan. Untuk menghindari masalah tutupan awan dapat digunakan alternatif lain yaitu menggunakan citra Radar. Citra radar dapat terbebas dari tutupan awan tetapi sangat sulit diinterpretasikan karena citra berupa rona dan bertekstur.
Menurut Lillesand dan Kiefer (1990), radar merupakan suatu cara yang menggunakan gelombang radio untuk mendeteksi adanya objek dan menentukan letak posisinya, prosesnya meliputi transmisi ledakan pendek dan atau pulsa tenaga gelombang mikro ke arah yang dikehendaki dan merekam kekuatannya dari asal gema ”echo” atau pantulan yang diterima dari objek dalam sistem medan pandang.
Radar merupakan metode penginderaan jauh gelombang mikro aktif yang meliputi pencitraan pulsa energi gelombang mikro dari sensor ke target dan kemudian mengukur pulsa balik atau sinyal pantulan (backscatter). Pemanfaatan radar dikalangan militer antara lain untuk menentukan dan pendeteksian objek pada kondisi malam hari, tersamarkan atau tertutupi kamuflase dan dalam cuaca yang berawan serta untuk navigasi pesawat udara dan kapal laut, sedangkan radar untuk keperluan sipil dimulai tahun 1960-an (Lo, 1995).
Sistem penginderaan jauh dengan sistem radar (microwave remote
sensing) ini sangat berbeda dengan sistem optik karena permukaan bumi yang
diindera tidak menggunakan energi matahari tetapi menggunakan energi yang disuplai dari sensor sendiri (sensor aktif). Sistem optik sangat bergantung pada scattering dan penyerapan yang disebabkan oleh klorofil, struktur daun, ataupun biomassa, sedangkan sensor dari sistem radar tergantung dari struktur kasar tajuk, kadar air vegetasi, sebaran ukuran bagian-bagian tanaman dan untuk panjang gelombang tinggi tergantung pada kondisi permukaan tanah (Jaya, 1997).
2.3 Parameter Sistem Radar 2.3.1 Panjang Gelombang
Salah satu faktor utama yang mempengaruhi sifat khas transmisi sinyal sistem radar adalah panjang gelombang. Kadri (1992) menyatakan bahwa intensitas hambatan balik tergantung pada sifat kekasaran muka objek (surface
ruoghness), daerah panjang gelombang mikro yang digunakan dan polarisasi yang
diamati. Panjang gelombang sinyal radar menentukan bentangan yang terpencar oleh atmosfer. Daya tembus pulsa radar dapat dibedakan atas dua jenis, yaitu daya tembus terhadap atmosfer dan terhadap permukaan. Makin rendah panjang gelombang maka daya tembusnya semakin rendah, dan sebaliknya, semakin tinggi panjang gelombang maka daya tembusnya akan semakin tinggi pula.
Tabel 1. Kisaran Panjang Gelombang (λ) pada Saluran / Band Radar.
Sumber : Lillesand dan Kiefer, 1990.
2.3.2 Polarisasi
Sinyal radar dapat ditransmisikan dan diterima dalam bentuk polarisasi yang berbeda. Sinyal dapat disaring sedemikian rupa sehingga gelombang elektrik dibatasi hanya pada satu bidang datar yang tegak lurus arah perjalanan gelombang. Satu sinyal radar dapat ditransmisikan pada bidang datar (H) atau pun tegak lurus (V), sinyal tersebut dapat pula diterima pada bidang datar atau tegak lurus. Ada empat kemungkinan kombinasi sinyal transmisi dan penerimaan yang berbeda, yaitu HH, HV, VH, dan VV. Polarisasi paralel atau searah merupakan kombinasi paduan dari HH dan VV. Bentuk polarisasi sinyal mempengaruhi kenampakan objek pada citra yang dihasilkan, karena berbagai objek diubah polarisasi tenaga yang dipantulkannya dalam berbagai tingkatan.
Saluran / Band Panjang gelombang (λ) (mm) Frekuensi (f) (Mhz) Ka K K4 X C S L P 7,5 – 11 11 – 16,7 16,7 – 24 24 – 37,5 37,5 – 75 75 – 150 150 – 300 300 - 1000 40.000 – 26.500 26.500 – 18.000 18.000 – 12.500 12.500 – 8000 8000 – 4000 4000 – 2000 2000 – 1000 1000 – 300
2.4 ALOS PALSAR
ALOS (Advanced Land Observing Satellite) merupakan satelit yang diluncurkan oleh Badan Luar Angkasa Jepang pada bulan Januari 2006. Satelit ALOS ini membawa tiga jenis sensor, yaitu PALSAR (Phased Array type L-band
Synthetic Aperture Radar), PRISM (Panchromatik Remote-sensing Instrument for Stereo Mapping), dan AVNIR-2 (Advanced Visible and Near Infrared Radiometer type-2). PALSAR merupakan sensor gelombang mikro aktif yang bekerja pada
frekuensi band L. Sensor PALSAR mempunyai kemampuan untuk menembus awan, sehingga informasi permukaan bumi dapat diperoleh setiap saat, baik malam maupun siang hari. Data PALSAR ini dapat digunakan untuk pembuatan DEM, Interferometri untuk mendapatkan informasi pergeseran tanah, maupun kandungan biomass, monitoring kehutanan, pertanian, tumpahan minyak (oil
spill), soil moisture, mineral, dan lain-lain.
Untuk dapat bekerja dengan ketiga instrumen diatas, ALOS dilengkapi dengan dua teknologi yang lebih maju : pertama teknologi yang mampu mengerjakan data dalam kapasitas yang sangat besar dengan kecepatan tinggi, dan selanjutnya kapasitas untuk menentukan posisi satelit dan ketinggian yang lebih tepat. Keterangan umum tentang ALOS disajikan pada Tabel 2.
Tabel 2. Keterangan Umum ALOS
Alat peluncuran Roket H-IIA
Tempat peluncuran Pusat Ruang Angkasa Tanagashima
Berat satelit 4 000 Kg
Power 7 000 W
Waktu operasional 3 – 5 Tahun
Orbit
Sun-Synchronous Sub-Recurr Orbit Recurrent Period : 46 hari Sub cycle 2 hari Tinggi Lintasan : 692 km di atas Equator Inclinasi : 98,2
o Sumber : NASDA, 2004.
Secara ringkas terdapat lima misi dari satelit ALOS (NASDA, 2004) sebagai berikut :
1. Kartografi : Untuk menyediakan peta wilayah Jepang dan wilayah Asia Pasifik
pengembangan pembangunan yang berkelanjutan dan harmonisasi antara ketersediaan sumber daya alam pengembangan pembangunan
3. Monitoring Bencana : Melakukan monitoring bencana alam 4. Survei Sumberdaya : Untuk survei sumber daya alam
5. Pengembangan Teknologi : Mengembangkan teknologi penginderaan jauh yang tepat untuk masa sekarang dan akan datang.
2.4.1 Spesifikasi Instrumen Satelit ALOS PALSAR
PALSAR merupakan salah satu instrumen ALOS dengan sensor aktif untuk pengamatan cuaca dan permukaan daratan pada siang dan malam hari dengan sistem yang lebih maju dari JERS-1 SAR. Sensor tersebut mempunyai sorotan yang dapat disetir dalam elevasi, disamping mode scanSAR. Bentuk dari instrumen PALSAR dan prinsip pengambilan obyeknya di sajikan pada Gambar 2 dan Gambar 3. Sedangkan karakterisasi teknik sensor PALSAR disajikan pada Tabel 3.
Gambar 2. Instrumen PALSAR (NASDA, 2004)
Tabel 3. : Karakteristik PALSAR
Sumber : NASDA, 2004.
2.4.2 Produk dan Pengolahan Data ALOS
NASDA telah merencanakan produk data ALOS dalam 2 kategori, yaitu produk standar dan produk riset. Produk standar terdiri dari produk standar untuk sensor PRISM, produk standar untuk sensor AVNIR-2, dan produk standar untuk sensor PALSAR. Produk standar untuk masing-masing sensor terdiri dari beberapa level, untuk sensor PALSAR: level 1.0, 1.1, dan 1.5. Seperti tersaji pada Tabel 4.
Tabel 4. Produk Data Standar PALSAR
Level Definisi Catatan
1.0
Susunan data sinyal yang belum dipadatkan yang dilengkapi dengan koefisien kalibrasi radiometrik dan koreksi geometrik.
Dalam mode polarimetri, data polarimetri dipisahkan.
1.1 Data yang sudah dikalibrasi secara radiometrik pada masukan sensor
1.5 Data yang sudah dikoreksi geometrik secara sistematik
Proyeksi peta Resampling Pixel spacing Sumber : NASDA, 2004.
Mode Fine mode ScanSAR mode Full Polarimetry
mode Frekuensi 1270 MHz (L - BAND) Lebar Kanal 28 / 14MHz Polarisasi HH atau VV / HH +HV atau VV + VH HH atau VV HH+HV+VH+VV Resolusi Spasial 10 m (2 look)/ 20m(4 look) 100 m (multi look) 30 m Lebar Cakupan 70 Km 250 – 350 Km 30 Km Incidence
Angle 8-60 derajat 18-43 derajat 8 –30 derajat
NE Sigma 0 < - 23 dB (70 Km)
< -25 dB (60 Km) < - 25 dB < - 29 dB
Panjang bit 3 bit / 5 bit 5 bit 3 bit / 5 bit
III. BAHAN DAN METODE
3.1 Waktu dan Tempat Penelitian
Penelitian ini dilakukan dari bulan Desember 2007 sampai dengan Februari 2008 di Laboratorium Penginderaan Jauh dan Analisis Spasial, Departemen Ilmu Tanah dan Sumberdaya Lahan, Institut Pertanian Bogor dan pengambilan data lapang pada 7 Mei 2007 di PT. Sang Hyang Seri, Subang.
3.2 Bahan dan Alat
Data yang digunakan dalam penelitian ini adalah data yang direkam dengan menggunakan instrumen satelit (spaceborne) ALOS PALSAR dengan
Data Processing Level 1.5. Data citra radar ALOS PALSAR (*.5GUA) yang
peneliti kerjakan diakuisisi pada tanggal 10 Mei 2007 dengan daerah kajian areal persawahan (PT. Sang Hyang Seri) dan sekitarnya di Subang, Jawa Barat.
Penelitian ini menggunakan seperangkat komputer sistem operasi Windows XP, jaringan internet dan GPS. Untuk pengolahan data menggunakan perangkat lunak PolSARpro v3.0, Envi 4.1, dan Microsoft Office Word 2003.
3.3 Metode Penelitian
Penelitian yang saya lakukan terdiri dari beberapa tahapan pengerjaan sebagai berikut :
1. Eksplorasi perangkat lunak PolSARpro v3.0
2. Pembuatan Main Input Directory pada menu Environment sebagai
Directory acuan untuk menyimpan seluruh hasil proses
3. Input data file ALOS PALSAR (*.5GUA)
4. Extract → Full Resolution data ALOS PALSAR (*.5GUA) menjadi
bentuk citra internal dalam program PolSArpro
5. Penentuan lokasi piksel / titik (x,y) untuk menentukan daerah kajian menggunakan program Paint → (493,1209) (1384,2279)
6. Setelah didapat lokasi piksel / titik (x,y)-nya, masukkan kembali pada Int
Row, End Row, Int Col dan End Col pada proses ekstrksi, lalu hasil
7. Proses pengolahan citra Intensities Elements (Ixx,Ixy) menghasilkan citra
dari masing-masing jenis polarisasinya dan satu citra komposit (gabungan) 8. Konversi data dari Intensities Elements (Ixx,Ixy) → Intensities MultiLook
(Ixx,Ixy) MLK
9. Proses Speckle Filter (Box Car Filter, Gaussian Filter, J.S. Lee Refined
Filter) bertujuan untuk mengurangi derau atau noise pada citra dan
membandingkan hasil masing-masing filter tersebut
10.Proses Klasifikasi Wishart Terselia (Wishart Supervised Classification). Pada proses ini dilakukan training areas terlebih dahulu untuk penentuan kelas, pada kasus ini peneliti membuat 10 kelas areal persawahan dan sekitarnya yang dibuat berdasarkan perbedaan kenampakan rona warna pada citra SinclairRGB.
11.Pengecekan hasil klasifikasi wishart terselia dengan data lapang (PT. Sang Hyang Seri, Subang)
Gambar 4. Diagram alir penelitian Intensities Element (Ixx,Ixy) Konversi data (Ixx,Ixy) >> (Ixx,Ixy) MultiLook Speckle Filter : Box Car, Gaussian, J.S. Lee Refined Filter
Wishart Supervised Classification
Mulai
Environment : Main Input Directory
*.5GUA file Input data file
Extract full resolution
Penentuan nilai lokasi piksel (x,y)
daerah kajian
Proses pengolahan data
Training areas Penentuan areal kelas Selesai Intensities Element Image MultiLook Image Speckle Filter Image Wishart Supervised Classification Image
IV. HASIL DAN PEMBAHASAN
4.1 Pengolahan Citra ALOS PALSAR level 1.5
Rincian pengolahan citra PLR/ALOS PALSAR level 1.5 dengan menggunakan perangkat lunak PolSARpro v3.0 adalah sebagai berikut:
1. Buka PolSARpro v3.0, lalu pilih opsi Spaceborne → ALOS/PALSAR →
Data Processing Level 1.5
Gambar 5. Tampilan kerja PolSARpro v3.0
2. Pada tampilan menu utama PolSARpro terdapat beberapa opsi fungsi, yaitu Environment, Import, Process, Display dan Tools. Masing masing opsi memiliki fungsi yang berbeda-beda. Untuk memulai suatu proses pengolahan terlebih dahulu membuat Main Input Directory (contoh : C:/ALOS_PALSAR_dery) sebagai input acuan untuk proses selanjutnya pada opsi Environment
Gambar 6. Tampilan kerja Environment Main Input Directory
3. Data file ALOS PALSAR (*.5GUA) diimport terlebih dahulu agar bisa diproses lebih lanjut.
Gambar 7. Tampilan ALOS Input Data File
Pada kolom SAR Leader File, masukkan data file LED-***-P1.5GUA, setelah itu klik Check Files, maka secara otomatis kolom berikutnya akan terisi data file yang tersedia. Setelah semua data file masuk, klik Read
Header → Ok. Setelah itu akan tampil pesan peringatan yang berisi “Don’t forget to extract data before running any data process” → Ok
4. Setelah data file dimasukkan, lalu dilakukan proses Extract → Full
Resolution. Untuk menyimpan keluaran hasil ekstraksi, ubah nama
keluaran (C:/ALOS_PALSAR_dery/ALOS_PALSAR_full) pada Output
Directory. Pilih opsi Full Resolution lalu klik Run untuk memulai
ekstraksi. Setelah mengklik Run akan muncul pesan peringatan yang berisi
“Create the directory? C:/ALOS_PALSAR_dery/ALOS_PALSAR_full” → Ok
5. Keluaran dari hasil ekstraksi berupa file dengan format *.bin dan citra asli dengan tampilan SinclairRGB. Hasil ekstraksi tersebut merupakan proses ekstraksi keseluruhan areal penyiaman satelit dengan luas cakupan 30 km
6. Untuk lebih fokus pada suatu areal pengamatan, maka dilakukan cropping terlebih dahulu pada citra asli SinclairRGB dengan bantuan program Paint.
Cropping dilakukan dengan menentukan nilai lokasi titik atau piksel (x,y)
pada citra asli SinclairRGB, untuk daerah pengamatan, yaitu areal persawahan PT. Sang Hyang Seri, Subang, berada pada titik (493,1209) dan (1384,2279). setelah didapat nilai lokasi piksel (x,y)-nya, masukkan ke dalam Int Row (493), End Row (1384), Int Col (1209) dan End Col
(2279) pada saat melakukan ekstraksi data.
Gambar 9. Penentuan lokasi titik (x,y) menggunakan Paint
Buat Output Directory baru (C:/ALOS_PALSAR_dery/CROP_sinclair) untuk citra yang akan dicrop, lalu klik Run. Setelah mengklik Run akan muncul pesan peringatan yang berisi “Create the directory?
Gambar 10. Hasil cropping areal pengamatan
Lalu masukkan hasil Output Directory yang baru
(C:/ALOS_PALSAR_dery/CROP_sinclair) ke dalam opsi Environment
pada awal proses diatas. Hal ini dimaksudkan agar pengolahan citra difokuskan pada areal yang telah dicrop saja.
Untuk dapat memvisualisasikan hasil ekstraksi, data file *.bin harus dibuat dalam file BMP pada opsi Display → (Ixx, Ixy) → Create BMP file.
Masukkan data file hasil ekstraksi (*.bin) pada kolom Input Data File →
Data Format (Complex, Float, Integer) → Show (Modulus, 10log(Mod), 20log(Mod), Phase, Real, Imag) → Minimum / Maximum values (Automatic, Enhanced Contrast ) → Output Format (8-bits BMP, 24-bits BMP, 24-bits TIFF) → Run.
Gambar 11. Tampilan fungsi Create BMP file
a) I11_real (polarisasi HH) b) I12_real (polarisasi VH)
c) I21_real (polariasasi HV) d) I22_real (polarisasi VV)
Gambar 12. Visualisasi citra hasil ekstraksi (Display → float, real,
Enhanced Contrast, 24-bits BMP)
7. Pada menu klik Process. Kemudian masuk dalam proses pengolahan data hasil ekstraksi yang pertama adalah fungsi Data Processing Intensities
Elements. Pada proses ini memperlihatkan perbedaan jenis polarisasi,
kontras dan Span. Setelah menentukan keluaran
(C:/ALOS_PALSAR_dery/CROP_IntEls_***) dan hasil yang diinginkan,
Gambar 13. Tampilan kerja Data Processing Intensities Elements
Hasil dari proses diatas, citra ditampilkan dalam colormap gray secara otomatis dan tidak bisa dibuat ke dalam citra RGB. Setiap citra memperlihatkan rona warna yang berbeda yang dihasilkan oleh perbedaan jenis polarisasinya.
a) I11_db (HH) b) I12_db (VH) c) I21_db (HV)
d) I22_db (VV) e) Span decibel=10log(span)
Gambar 14. Visualisasi citra hasil proses Intensities Elements
Dari hasil visualisasi diatas, citra I11_db dengan polarisasi HH kurang memperlihatkan petak sawah yang ada, demikian pula dengan citra I12_db dengan polarisasi VH dan citra I21_db dengan polarisasi HV, petak pada areal persawahan kurang terlihat jelas. Pada citra I22_db dengan polarisasi VV, petak pada areal persawahan terlihat dengan jelas, namun masih terlihat kasar. Perbedaan antara areal persawahan dengan pemukiman yang ada disekitar areal persawahan masih terlihat samar, sehingga cukup sulit membedakan antara batas areal persawahan dengan pemukiman. Dibanding dengan citra yang lain, citra span decibel=10log(span) terlihat yang paling baik. Petak pada areal persawahan terlihat dengan jelas dan batas antara pemukiman dengan areal persawahan pun cukup jelas terlihat, dimana pemukiman terlihat yang paling terang
8. Proses selanjutnya yaitu fungsi Data File Conversion → Intensity PP to
Intensity PP MultiLook. Output Directory dari proses ini secara otomatis
akan ditambahkan *_MLK (C:/ALOS_PALSAR_dery/CROP_MLK). Pada kolom MultiLook Col dan MultiLook Row dapat diubah sesuai dengan yang diinginkan. Hasil pada proses ini berupa data file *.bin dari setiap jenis polarisasi.
Gambar 15. Tampilan fungsi Data File Conversion Intensity PP to
Intensity PP MultiLook
Setelah keluaran data file *.bin dihasilkan, maka untuk dapat memvisualisasikannya, dilakukan langkah Display → BMP file
a) I11_real (HH) b) I12_real (VH)
c) I21_real (HV) d) I22_real (VV)
Gambar 16. Visualisasi citra konversi MultiLook (Display → float, real,
Enhanced Contrast, 8-bits BMP)
Dari hasil konversi MultiLook diatas, terlihat bahwa citra I22_real dengan polarisasi VV adalah yang paling baik dibandingkan dengan citra yang hasil konversi MultiLook yang lain.
9. Pemrosesan data selanjutnya yaitu Speckle Filter. Data yang akan difilter merupakan data yang telah mengalami proses ekstraksi
(C:/ALOS_PALSAR_dery/CROP_sinclair) dengan tujuan agar tampilan
citra menjadi lebih baik akibat berkurangnya derau. Jenis fungsi filter yang bekerja pada fungsi Speckle Filter adalah Boxcar Filter, Gaussian Filter dan J.S. Lee Refined Filter. Filter tersebut berfungsi melakukan penyaringan data untuk mengurangi noise yang tampak pada citra.
Fungsi Boxcar Filter memiliki hasil visual yang sama dengan fungsi
Gaussian Filter pada masing-masing jenis polarisasinya. Berbeda dengan
fungsi Boxcar Filter dan Gaussian Filter, fungsi J.S. Lee Refined Filter memiliki hasil visual yang lebih baik. Pada saat citra diperbesar, batas petak-petak sawah terlihat lebih nyata dan tegas.
Gambar 17.Perbandingan citra hasil proses Speckle Filter menggunakan Envi 4.1
Dari hasil proses Speckle Filter diatas, citra J.S. Lee Refined Filter menghasilkan citra yang lebih baik dibandingkan dengan Boxcar dan
Gaussian Filter pada pembesaran 4x.
10.Proses pengolahan data selanjutnya adalah klasifikasi citra. Pemahaman tentang klasifikasi ini sebenarnya didasari dari klasifikasi terselia
(Supervised Classification) dan klasifikasi tak terselia (Unsupervised Classification), yang selanjutnya dikembangkan menjadi klasifikasi
Wishart dalam perangkat lunak PolSARpro. Klasifikasi Wishart sendiri terbagi atas dua klasifikasi, yaitu klasifikasi Wishart terselia (Wishart
Supervised Classification) dan klasifikasi Wishart tak terselia (Wishart Unsupervised Classification). Klasifikasi Wishart terselia (Wishart Supervised Classification) dapat dibuat berdasarkan jenis polarisasinya.
Polarisasinya sendiri dibedakan atas dua polarisasi, HH (Horisontal-Horisontal) dan VV (Vertikal-Vertikal), VH (Vertikal-(Horisontal-Horisontal) dan HV (Horisontal-Vertikal) atau kombinasi dari keempat polarisasi tersebut yang disebut dengan polarisasi penuh (full polarization). Klasifikasi Wishart terselia (Wishart Supervised Classification) merupakan salah satu metode untuk mengolah data citra yang mengacu pada training areas yang ditentukan oleh pengguna. Training areas dilakukan untuk mengkelaskan atau pengelompokan penggunaan lahan yang ada pada citra. Pada penelitian ini, peneliti mengkelaskan 10 areal sawah dan sekitarnya berdasarkan perbedaan rona warna pada citra SinclairRGB.
Gambar 18. Tampilan kerja Data Processing Wishart Supervised
Classification
Sebelum memulai proses klasifikasi, buat output directory baru
(C:/ALOS_PALSAR_dery/CROP_WISHART) untuk menyimpan hasil
klasifikasi. Ubah nilai pada kolom window size, karena hasil klasifikasi tidak akan keluar apabila nilai window size kurang dari 2. Klik graphic
editor untuk menentukan training areas, lalu akan muncul pesan
tampilan menu training areas graphic editor muncul, buka citra SinclairRGB hasil crop (C:/ALOS_PALSAR_dery/CROP_sinclair) yang akan diklasifikasi. Setelah citra muncul, perbesar tampilan citra untuk memudahkan proses penentuan atau pemilihan areal klasifikasi, lalu pilih
polygon selection.
Gambar 19. Tampilan kerja Training Areas Graphic Editor
Setelah training areas ditentukan → save, lalu akan muncul peringatan
“Create the directory? C:/ALOS_PALSAR_dery/CROP_WISHART” →
a) Classified_cluster_set_3 b) Supervised_class_3
c) Training_cluster_set
Gambar 20. Citra hasil proses Data Processing Wishart Supervised
Classification
Tabel 5. Confusion Matrix
Confusion Matrix C1 C2 C3 C4 C5 C6 C7 C8 C9 C10 C1 77.56 0.14 7.42 5.92 0.57 0.03 0.17 1.70 2.21 4.28 C2 1.86 72.03 0.00 0.31 2.17 3.90 12.61 0.00 0.06 7.06 C3 3.64 0.22 75.36 5.66 0.00 0.00 0.11 13.10 1.01 0.90 C4 1.07 1.30 26.37 22.75 2.74 0.00 2.46 24.65 9.05 9.61 C5 0.00 0.35 1.33 4.76 43.18 0.00 23.68 2.44 11.38 12.88 C6 0.00 1.09 0.00 0.00 0.00 95.23 3.69 0.00 0.00 0.00 C7 0.05 1.63 0.14 1.67 18.45 6.98 65.44 0.72 0.86 4.06 C8 0.43 0.11 36.24 12.86 2.70 0.00 0.80 30.28 11.93 4.65 C9 0.00 0.00 7.08 4.27 25.76 0.00 1.95 20.51 36.26 4.15 C10 0.20 2.17 9.16 15.15 22.27 0.00 14.43 8.50 7.31 20.82
Tabel 6. Class Populations Class Populations C1 3529 C2 3228 C3 1786 C4 2154 C5 1723 C6 1194 C7 2092 C8 3739 C9 819 C10 1518
Dari hasil klasifikasi Wishart terselia tersebut diperoleh hasil berupa
clasified cluster set, supervised class, training cluster set, confusion matrix, class populations dan training areas. Confusion matrix merupakan
persen piksel masing-masing kelas pada suatu kelompok atau clusters. Baris menunjukan kelompok atau clusters yang didefinisikan oleh pengguna, sementara kolom menunjukan kelompok atau clusters yang terbagi dalam kelompok lain. Class population merupakan populasi piksel masing-masing kelas pada semua kelompok atau clusters. Training areas adalah nilai lokasi piksel masing-masing kelas pada citra terselia.
4.2 Pengecekan Hasil Klasifikasi Wishart Terselia Dengan Data Lapang Citra yang diperoleh dari hasil klasifikasi Wishart terselia (Wishart
supervised classification) perlu diperiksa dengan data lapang untuk mengetahui
penggunaan lahannya secara pasti. Data yang diperoleh dari lapang (PT. Sang Hyang Seri, Subang) berupa peta kebun (Gambar 21), jadwal rencana tebar tanam musim tanam 2006/2007 (Tabel 7) dan 2007/2008, plotting GPS, serta pengamatan penggunaan lahan disekitar areal persawahan.
Pada peta kebun data blok yang tercantum kurang lengkap, sehingga hanya sebagian blok yang dapat diketahui jadwal rencana tebar tanamnya. Kesepuluh kelas yang dihasilkan dari hasil klasifikasi Wishart terselia, hanya sebagian kelas yang ada data lapangnya. Untuk penggunan lahan disekitar areal persawahan dapat diketahui dengan pengamatan langsung dilapang (Gambar 22).
Gambar 21. Peta peta kebun setelah dikelompokan berdasarkan jadwal tanamnya dan diregistrasi menggunakan ArcView
Gambar 22. Penggunaan lahan disekitar areal persawahan PT. Sang Hyang Seri Pasar Sukamandi dan pemukiman
Balai Penelitian Padi Sukamandi Balai Penelitian Perikanan Air Tawar Areal persawahan
Tabel 7. Jadwal Rencana Tanam Musim Tanam 2006/2007
Kode
blok Varietas padi
Luas (Ha) Rencana Taksasi hasil (kg) Produktivitas (ton/Ha) Tanam Panen B1 B2 B3 B4 B5 B6 IR64 Ciherang Ciherang Ciherang Ciherang Ciherang 103,43 55,79 70,47 39,93 31,50 2,55 11-22/10/06 11-22/10/06 23/10-06/11/06 21/11-03/12/06 04-17/12/06 17/12/06 18-29/01/07 23/01-03/02/07 23/01-03/02/07 04-17/03/07 18-31/03/07 04/04/07 413.720 223.160 281.880 219.615 173.250 10.200 4 4 4 5,5 5,5 4 L1 L2 L3 L4 L5 L6 L7 L8 L9 L10 L11 L12 L13 L14 L15 Ciherang Ciherang Ciherang Mekongga Cigeulis IR64 Ciherang Clm muncul Ciherang Ciherang Ciherang Ciherang Ciherang Ciliwung Sintanur 45,19 7,72 8,76 24,84 28,29 69,27 37,53 33,14 51,54 56,63 41,44 59,88 105,37 45,65 41,73 06-10/11/06 06/11/06 21/11/06 21/11-03/12/06 21/11-03/12/06 27/11-17/12/06 04-17/12/06 18-24/12/06 18-24/12/06 25/12/06-03/01/07 25/12/06-03/01/07 04-09/01/07 04-09/01/07 04-09/01/07 04-09/01/07 18-22/02/07 18/02/07 04/03/07 04-17/03/07 04-27/03/07 06-26/03/07 18-31/03/07 16-20/04/07 01-07/04/07 08-16/04/07 08-16/04/07 17-22/04/07 17-22/04/07 17-22/04/07 17-22/04/07 180.760 30.880 48.180 136.620 155.595 380.985 206.415 182.270 283.470 311.465 227.920 329.340 421.480 182.600 166.920 4 4 5,5 5,5 5,5 5,5 5,5 5.5 5,5 5,5 5,5 5,5 4 4 4 Lk1 Lk2 Lk3 Lk4 Lk5 Lk6 Lk7 Lk8 Lk9 Lk10 Lk11 Lk12 Lk13 Lk14 Cigeulis Ciherang Ciherang Ciherang Ciherang Ciherang Clm muncul Clm muncul Ciherang Ciherang Ciherang Ciherang Makongga Way apo buru
59,73 28,13 15,71 50,00 42,08 31,51 44,44 30,09 22,22 13,05 78,58 36,12 46,99 25,42 23/10-05/11/06 06-10/11/06 06-10/11/06 04-17/12/06 04-17/12/06 18-24/12/06 18-23/12/06 25/12/06-03/01/07 25/12/06-03/01/07 25-26/12/06 04-09/01/07 04-09/01/07 04-09/01/07 08-11/01/07 04-16/02/06 18-22/02/07 18-22/02/07 18-31/02/07 23/03-04/04/07 01-07/04/07 02-14/04/07 06-18/04/07 08-16/04/07 08-09/04/07 17-22/04/07 17-22/04/07 17-22/04/07 22-24/04/07 238.920 112.520 62.840 275.000 168.320 173.305 177.760 120.360 122.210 52.200 314.320 198.660 187.960 101.680 4 4 4 5,5 4 5,5 4 4 5,5 4 4 5,5 4 4 S1 S2 S3 S4 S5 S6 S7 Ciherang Ciherang Ciherang Ciherang Ciherang Sintanur PB 42 69,17 73,69 59,22 45,39 17,50 12,32 78,75 11-22/10/06 23/10-06/11/06 21/11-03/12/06 04-17/12/06 17/12/06 25/12/06 04-09/01/07 23/01-03/02/07 04-17/02/07 04-17/02/07 18-31/03/07 04/04/07 03/04/07 17-22/04/07 276.680 294.760 325.710 249.645 70.000 49.280 315.000 4 4 5,5 5,5 4 4 4 BLC Ciherang 81,45 23/10-06/11/06 04-17/02/07 325.800 4 H Hibrida 11,97 - - - - Horti - 17,67 - - - -
a) Supervised_class b) Training_cluster_set
c) Beberapa lokasi blok yang diklasifikasi Gambar 23. Pengecekan peta kebun dengan hasil klasifikasi
Dari gambar diatas, beberapa kelas atau kelompok yang berhasil diklasifikasikan dapat diketahui jadwal tanamnya. Pada kelas satu (C1) yang berada pada blok B1 (blok kerjasama), varietas padi yang ditanam adalah IR64 dengan jadwal tanam 11-22 Oktober 2006 dan panen 18-29 Januari 2007. Pada kelas tiga (C3) yang berada pada blok S3 (blok swakelola), varietas padi yang ditanam adalah
BALITPA
Ciherang dengan jadwal tanam 21 November / 11-03 Desember 2006 dan panen 4-17 Februari 2007. Pada kelas empat (C4) yang berada pada blok S4 (blok kerjasama dan blok penelitian), varietas padi yang ditanam adalah Ciherang dengan jadwal tanam 17 Desember 2006 dan panen 4 April 2007. Pada kelas lima (C5) yang berada pada blok B5 (blok swakelola), varietas padi yang ditanam adalah Ciherang dengan jadwal tanam 4-17 Desember 2006 dan panen 18-31 Maret 2007. Pada kelas tujuh (C7) yang berada pada blok L8 (blok swakelola), varietas padi yang ditanam adalah Clm Muncul dengan jadwal tanam 18-24 Desember 2006 dan panen 16-20 April 2007. Pada kelas delapan (C8) yang berada pada blok L12 (blok swakelola), varietas padi yang ditanam adalah Ciherang dengan jadwal tanam 4-9 Januari 2007 dan panen 17-22 April 2007. Pada kelas sepuluh (C10) yang berada pada blok Lk8 (blok kerjasama), varietas padi yang ditanam adalah Clm Muncul dengan jadwal tanam 25 Desember 2006 – 3 Januari 2007 dan panen 6-18 April 2007. Pada kelas dua (C2) dan kelas enam (C6) merupakan kelas atau kelompok yang berada diluar areal persawahan PT. Sang Hyang Seri, dimana pada kelas atau kelompok tersebut berdasarkan pengamatan dilapang adalah Balai Penelitian Padi Sukamandi (BALITPA) (C2) dan pemukiman (C6). Sementara pada kelas sembilan (C9) tidak ditemukannya nomor blok / petak pada peta kebun.
Berdasarkan data tersebut, kenampakan citra yang diakuisisi pada tanggal 10 Mei 2007 ini relatif sama karena sebagian besar areal sawah sedang dalam masa bera / istirahat. Hal ini disebabkan oleh terlambatnya awal musim hujan 2006/2007 yang menyebabkan adanya pergeseran musim tanam dari September – Oktober ke Desember 2006 – Januari 2007. Selain itu juga, satelit ALOS/PALSAR hanya merekam 1 (satu) kali dalam dua tahun, maka untuk memperoleh citra yang baru harus menunggu sampai saat proses perekaman berikutnya, yaitu pada tahun 2009.
V. KESIMPULAN DAN SARAN
5.1 Kesimpulan
Dari hasil proses pengolahan data radar ALOS PALSAR menggunakan PolSARpro v3.0 ini diperoleh citra dengan polarisasi VV (Vertikal-Vertikal),
Enhanced Contrast dan dengan kedalaman warna 8-bits BMP adalah yang paling
baik untuk mengamati areal persawahan. Pada citra tersebut batas petak pada sawah terlihat lebih jelas.
Percobaan klasifikasi untuk mengetahui fase pertumbuhan dan estimasi produksi padi menemui kendala berupa citra yang diklasifikasi sedang dalam masa bera. Hal ini disebabkan terlambatnya awal musim hujan 2006/2007 sehingga berpengaruh pada pergeseran musim tanam dan juga proses perekaman satelit ALOS/PALSAR yang hanya merekam 1 (satu) kali dalam dua tahun, sehingga untuk memperoleh citra yang sama harus menunggu untuk proses perekaman berikutnya pada tahun 2009.
5.2 Saran
Untuk penelitian lebih lanjut diharapkan dapat mengetahui luas per piksel dan luas per kelas yang dibuat, sehingga dapat diketahui populasi tanaman per kelas atau kelompoknya.
DAFTAR PUSTAKA
Ari Katmoko, dkk. 2005. Laporan Program Iptek Model Pengolahan Data
Polarimatrik Data Radar. Pusbangja – Lapan. Jakarta.
European Space Agency [ESA]. 2008. PALSAR The Phased Array type L-band
Synthetic Aperture Radar. http://earth.esa.int/pcs/alos/palsar/ [11 Februari
2008]
Japan Aerospace Exploration Agency [JAXA]. 2003. PALSAR Phased Array type
L-band Synthetic Aperture Radar.
http://www.eorc.jaxa.jp/ALOS/about/palsar.htm [28 Desember 2007]
Lembaga Penerbangan dan Antariksa Nasional [LAPAN]. 2004. Kajian Satelit
Masa Depan – ALOS. http://www.lapan.go.id/ [29 Desember 2007]
Lillesand T.M, Ralph W.K. 1997. Penginderaan Jauh dan Interpretasi Citra. Dulbahri, Prapto S, Hartono, Suharyadi, penerjemah; Fakultas Geografi, Universitas Gajah Mada. Terjemahan dari : Remote Sensing and Image
Interpretation.
National Space Development Agency of Japan [NASDA]. 2004. ALOS Advanced Land Observing Satellite. Japan.
Raimadoya M.A., B.H. Trisasongko. 2005. Diktat Kuliah Dasar-dasar
Interpretasi Foto Udara. Bogor: Jurusan Tanah, Fakultas Pertanian, Institut
Pertanian Bogor.
Raimadoya M.A., B.H. Trisasongko, Nurwadjedi. 2007. Eksplorasi Citra Radar
Untuk Intelijen Ketahanan Pangan. Departemen Ilmu Tanah dan
Sumberdaya Lahan, Fakultas Pertanian, Institut Pertanian Bogor. Bogor.
UN World Food Programme [WFP], Lembaga Penerbangan dan Antariksa Negara [LAPAN]. 2007. Indonesia Early Bulletin On Natural Hazard.
