BAB I
I.3.2 Manfaat
Adapun manfaat dari pelaksanaan praktikum ini yaitu:
1. Mahasiswa dapat mengetahui hasil pengolahan koreksi citra satelit menggunakan software QGIS
2. Mahasiswa dapat mengetahui analisis dari hasil respon spektral menggunakan software QGIS
3. Mahasiswa dapat mengetahui analisis dari hasil Pixel Based Classification SCP Plugin di software QGIS
4. Mahasiswa dapat mengetahui analisis dari hasil Pixel Based Classification Dzetsaka Plugin di software QGIS
BAB II
II.5 Orthorektifikasi Citra Satelit
Prinsip yang melandasi dalam terwujudnya kebijakan satu peta adalah konsistensi, interoperabilitas, dan kualitas data geospasial, untuk mencapai ketiga hal tersebut salah satu upaya yang wajib dilaksanakan dalam penyiapan sumber data dalam pembuatan data spasial adalah koreksi atau perbaikan geometrik citra satelit. Orthorektifikasi adalah proses transformasi atau perbaikan geometri pada citra satelit atau citra udara yang telah diambil dengan sudut pengambilan yang berbeda atau memiliki distorsi geometri. Orthorektifikasi dilakukan dalam upaya untuk menghilangkan distorsi salah satunya adalah kesalahan geometrik pada citra[ CITATION Des19 \l 1033 ].
Gambar 1 Proses Pelaksanaan Orthorektifikasi Citra Satelit [ CITATION Yud23 \l 1033 ]
Tujuan dari orthorektifikasi adalah untuk menghilangkan distorsi geometri tersebut sehingga citra tersebut dapat digunakan untuk analisis dan pemetaan yang akurat. Dengan
melakukan orthorektifikasi, citra yang awalnya memiliki distorsi geometri dapat diubah menjadi citra yang geometris akurat, di mana jarak dan sudut antara objek di citra mencerminkan proporsi yang sebenarnya di permukaan bumi [ CITATION Yud23 \l 1033 ].
Proses ini diperlukan untuk membuat citra satelit yang dapat digunakan untuk analisis dan pemetaan, serta memenuhi standar akurasi geometrik yang diberikan oleh BIG (Badan Informasi Geospasial). Orthorektifikasi dilakukan melalui beberapa tahapan, seperti penyusunan AOI (Area of Interest), pengukuran titik kontrol tanah (GCP dan ICP), proses pengolahan citra, dan verifikasi akurasi hasil orthorektifikasi [ CITATION Ana21 \l 1033 ].
II.6 Image Pansharpening
Salah satu kelemahan satelit penginderaan jauh yaitu satelit tersebut hanya mengangkap citra dengan resolusi spasial atau resolusi spektral yang tinggi. Gambar yang dihasilkan keduanya yaitu:
1. Pankromatik dengan resolusi spasial tinggi tetapi resolusi spektral rendah; atau 2. Multispektral dengan resolusi spasial rendah tetapi resolusi spektral tinggi.
Gambar pankromatik adalah gambar skala abu-abu yang ditangkap pada panjang gelombang spektrum elektromagnetik tampak (dan mungkin inframerah dekat). Namun gambar multispektral mencakup sebagian kecil dari spektrum panjang gelombang inframerah tampak, inframerah dekat, dan gelombang pendek. Secara singkatnya, terdapat trade-off antara resolusi spasial dan resolusi spektral. Untuk memanfaatkan karakteristik pelengkap gambar pankromatik dan multispectral yaitu dengan image pansharpening [ CITATION Ros22 \l 1033 ].
Pansharpening (panchromatic sharpening) adalah teknik penajaman gambar yang menggabungkan gambar pankromatik dengan gambar multispektral untuk menghasilkan gambar spasial tinggi dan resolusi spektral tinggi. Dengan kata lain, menggunakan detail gambar pankromatik untuk 'mempertajam' citra multispektral sekaligus menjaga informasi spektral [ CITATION Ros22 \l 1033 ]. Proses ini sangat berguna untuk citra satelit, karena memungkinkan interpretasi visual yang lebih baik, deteksi objek yang lebih baik, serta tugas klasifikasi dan segmentasi yang lebih akurat. Pansharpening meningkatkan kejernihan visual dan detail gambar, membuatnya lebih mudah untuk mengidentifikasi objek dan fitur, seperti kendaraan, jalan sempit, atau pohon individu.
Gambar 2 Gambar Multispektral (kiri) vs Gambar yang Dipertajam (kanan) [ CITATION Ros22 \l 1033 ]
II.7 Uji Akurasi
Hasil klasifikasi multispektral yang berupa peta penutup lahan ataupun penggunaan lahan mempunyai tingkat ketelitian (akurasi) tertentu, yang dapat diukur secara kuantitatif. Sebenarnya, evaluasi atas ketelitian hasil klasifikasi ini dapat diterapkan pada dua aspek, yaitu aspek ke dalam isi dan aspek kebenaran di lapangan. Ketelitian dalam arti kebenaran klasifikasi biasanya lebih ditekankan pada aspek tepat tidaknya jenis penutup ataupun penggunaan lahan yang diberi label (klas) pada suatu posisi koordinat tertentu. Dalam konsep Pengindraan Jauh, hasil ketelitian dapat digunakan untuk pemetaan pada obyek tertentu, baik ketelitian interpretasi maupun ketelitian pemetaan [ CITATION FFM19 \l 1033 ]
Uji akurasi dapat menggunakan matriks uji ketelitian dan hasil interpretasi dan pemetaan. Cara ini digunakan di dalam analisis digital data Pengindraan Jauh, jadi dengan menggunakan komputer. Meskipun demikian, cara ini dapat pula digunakan pada analisis manual atau gisual data Pengindraan Jauh, yaitu dengan mengubah pixel menjadi petak- petak bujur sangkar atau menjadi luas bagi masing-masing kelas hasil interpretasi [ CITATION FFM19 \l 1033 ].
Klasifikasi secara digital merupakan suatu interaksi yang kompleks antar struktur keruangan bentang lahan, resolusi spasial, algoritma pra- pemrosesan, dan prosedur klasifikasi. Oleh karena itu, tingkat ketelitian hasil interpretasi dan klasifikasi penting untuk diketahui sebelum data tersebut dianalisis lebih lanjut untuk tujuan tertentu [ CITATION Sut94 \l
1033 ]. Terkait dengan uji akurasi, Congalton and Green menyebutkan bahwa jumlah titik sampel per kategori tutupan lahan atau penggunaan lahan adalah sebanyak 50 titik sampel. Jika luas daerah penelitian lebihdari satu juta acre dan kategori kelas lebih dari 12 kelas, maka jumlah titik sampel menjadi 75 sampai dengan 100 titik sampel per kategori [ CITATION FFM19 \l 1033 ].
Adapun penjelasannya sebagai berikut:
1. Matriks Kesalahan Klasifikasi (Error Matrix)
Uji akurasi kategori (nominal) hasil klasifikasi dilakukan dengan menggunakan metode matriks kesalahan atau Error Matrix.
Matriks penaksiran akurasi hasil klasifikasi membandingkan kategori per kategori (kelas per kelas) hubungan antara data sebenarnya (ground truth) atau data lapangan dengan data hasil klasifikasi otomatis. Seperti matriks yang berbentuk bujur sangkar, dengan jumlah kolom dan jumlah baris merupakan jumlah kategori atau kelas yang akurasi klasifikasinya akan diestimasi. Seluruh elemen matriks pada diagonal utama merepresentasikan klasifikasi yang benar. Sementara seluruh elemen matriks di luar diagonal utama merepresentasikan kesalahan klasifikasi, yang dibagi menjadi dua kategori yaitu kesalahan omisi (ekslusi) dan kesalahan komisi (inklusi).
Kesalahan omisi berhubungan dengan elemen-elemen kolom di luar diagonal utama, dan kesalahan komisi berhubungan dengan elemen-elemen baris di luar diagonal utama [ CITATION TLi93 \l 1033 ]. Penentuan akurasi hasil klasifikasi multispektral (menggunakan confusion matrix) untuk setiap kelas dibagi ke dalam dua kelompok, yaitu Producer’s Accuracy dan User’s Accuracy. Producer’s Accuracy mengindikasikan bagaimana training setdari suatu kelas diklasifikasikan, atau proporsi (rasio) kelas yang terklasifikasikan terhadap kelas (data) yang sebenarnya di lapangan sedangkan User’s Accuracy mengindikasikan kebenaran kuantitatif setiap kelas dalam peta tematik hasil klasifikasi dengan kelas (data) sebenarnya di
lapangan (ground truth). Persentasi suatu kelas yang ada di lapangan tetapi tidak terklasifikasikan sebagai kelas itu.
Commission Error (kebalikan User’s Accuracy) menyatakan persentasi suatu atau beberapa kelas lain yang ikut terpetakan sebagai kelas tertentu yang sebanarnya bukan merupakan kelas itu di lapangan. Selain Producer’s Accuracy, User’s Accuracy, dan Overall Accuracy, parameter akurasi hasil klasifikasi juga dapat ditentukan dan dinyatakan dengan Kappa Coefficient atau Khat Coefficient.
2. Uji Akurasi Nilai
Uji akurasi nilai digunakan untuk menguji secara kuantitatif hasil interpretasi dengan hasil lapangan atau citra uji (mempunyai resolusi lebih besar). Uji akurasi ini menggunakan pendekatan selisih antara nilai yang dihasilkan dari perhitungan suatu model dengan nilai yang sebenarnya hasil pengukuran lapangan atau yang dikenal sebagai Root Mean Square Error (RMSE).
II.8 Landsat
Landsat merupakan program penangkapan citra bumi dengan satelit Landsat. Citra satelit landsat adalah salah satu citra satelit sumberdaya alam yang mempunyai resolusi spasial 30 x 30 meter (kecuali saturan inframerah thermal), dan merekam dalam 7 saluran spektral. Masing-masing saluran citra satelit landsat peka terhadap respons atau tanggapan spektral obyek pada julat panjang gelombang tertentu, dan hal ini yang menyebabkan nilai pixel pada berbagai saluran spektral sebagai cerminan nilai tanggapan spektral pun bervariasi.
Adanya variasi tanggapan spektral pada setiap saluran merupakan salah satu kelebihan dari citra satelit landsat, sebab dengan memadukan berbagai saluran tersebut dapat diperoleh citra baru dengan informasi baru pula. Berdasarkan citra satelit landsat saluran hijau dan inframerah Tengah (TM2 dan TM5), dapat diturunkan informasi kerapatan vegetasi [ CITATION EUS21 \l 1033 ].
Program penangkapan citra bumi dengan satelit landsat merupakan program yang berjalan paling lama. Sejak tahun 1972, satelit-satelit Landsat telah menangkap jutaan citra satelit untuk seluruh dunia, sehingga Landsat merupakan koleksi citra yang paling lengkap, dan tersedia untuk Masyarakat. Satelit yang terbaru adalah Landsat 8 yang diluncurkan pada bulan Februari 2013. Pansharpening adalah teknik fusi gambar yang menggabungkan gambar
pankromatik dengan gambar beresolusi spektral tinggi untuk menghasilkan gambar yang dipertajam dengan resolusi spasial dan spektral tinggi. Landsat 8 menghasilkan citra berkualitas tinggi, untuk seluruh dunia, setiap 16 hari. Citra ini disediakan oleh United States Geological Service (USGS) untuk penggunaan umum, sebagai layanan gratis. Landsat merupakan satelit tertua di bumi yang diluncurkan oleh Amerika Serikat. Adanya citra satelit Landsat dimulai pada tahun 1972 dengan meluncurkan satelit generasi pertama yaitu Landsat 1 diluncurkan 23 Juli 1972, Landsat 2 diluncurkan pada tanggal 22 Januari 1975, dan Landsat 3 pada tanggal 5 Maret 1978 tetapi landsat tersebut berakhir pada tanggal 22 Januari 1981.
Satelit-satelit tersebut dilengkapi sensor MSS multispektral dan merupakan satelit eksperimen. Kemudian seiring berjalannya waktu, pada tahun 1982 diluncurkan kembali satelit bumi generasi kedua yaitu Landsat 4 dan Landsat 5. Landsat tersebut merupakan landsat semi operasional atau dimaksudkan untuk tujuan penelitian dan pengembangan [ CITATION EUS21 \l 1033 ].
II.8.1 Landsat 8
Gambar 3 Citra Landsat 8 [ CITATION EUS21 \l 1033 ]
Secara umum, Landsat 8 memiliki berat 2.071 kg, dengan tinggi 3 meter dan diameter 2,4 meter. Landsat 8 mengorbit 705 km di atas permukaan bumi dengan resolusi temporal 16 hari. Landsat 8 memiliki dua sensor, yaitu Onboard Operational Land Imager (OLI) dan Thermal Infrared Photodetectors (QWIPs) untuk merekam gelombang inframerah termal yang dipancarkan oleh bumi. Landsat 8 hanya memerlukan waktu 99 menit untuk mengorbit bumi dan melakukan liputan pada area yang sama tiap 16 hari sekali. Landsat 8 memiliki jumlah Band sebanyak 11 buah. Di antar Band-Band tersebut, 9 Band (Band 1-9) berada pada OLI dan 2 lainnya (Band 10 dan 11) pada TIRS [ CITATION NIF21 \l 1033 ].
Sensor pada satelit merekam pantulan gelombang elektromagnetik yang dipantulkan oleh objek di permukaan bumi. Gelombang elektromagnetik tersebut melewati atmosfer untuk mencapai ke sensor. Dalam proses ini, terjadi “seleksi” oleh atmosfer, hanya panjang gelombang tertentu yang dapat dengan baik melewatinya hingga ke sensor. Penyebabnya
adalah terdapat absorpsi oleh hamburan di atmosfer, seperti aerosol di atmosfer atau yang dapat disebut dengan jendela atmosfer. Hanya terdapat beberapa rentang panjang gelombang yang dapat melewati atmosfer dengan baik untuk mencapai ke sensor. Panjang gelombang tersebut yang dipilih sebagai “Band” dalam sensor multi spektral satelit [ CITATION NIF21 \l 1033 ].
