13
2.6 Proses Klasifikasi
Terdapat dua pendekatan dasar klasifikasi citra multikanal dalam berbagai bidang terapan penginderaan jauh, yaitu klasifikasi terbimbing supervised
classification dan klasifikasi tidak terbimbing unsupervised classification
Lillesand dan Kiefer, 1979; Jensen, 1986; Richards, 1993; Howard, 1996; Jaya, 1997.
Klasifikasi terbimbing didasarkan pada data hasil pekerjaan lapangan atau peta. Pendekatan klasifikasi ini menghasilkan informasi yang lebih realistis dan
membuahkan hasil klasifikasi yang lebih akurat daripada klasifikas tidak terbimbing unsupervised classification atau analisis cluster yang hanya
menghasilkan kelas-kelas spektral yang memerlukan interpretasi lebih lanjut. Metode kemiripan maksimum maximum likelihood method adalah
metode yang paling banyak digunakan, dimana digital number DN pada k kanal untuk setiap kelas mewakili pengamatan yang bebas independent dan populasi
yang digambarkan mengikuti distribusi normal peubah ganda multivariate normal distribution
. Metode ini memerlukan vektor rata-rata sampel multivariate m
i
dan matrik ragam peragam antar kanal ∑
i
dari setiap kelas atau kategori i. Fungsi dari distribusi normal multidimensi digambarkan sebagai fungsi
lokasi vektor dalam ruang multidimensi sebagai berikut :
{ }
{ }
∑
−
− −
− ∑
=
1 2
1 N2
2 1
exp 2
1 m
x m
x x
P
t
π
Peluang suatu vektor masuk ke dalam kelas ωi adalah:
px ωi
= p ωi.px
ln px ωi = ln pωi + ln px
Selanjutnya fungsi diskriminan dari peluang maksimum yang berdasarkan pada distribusi normal adalah:
gi =
m -
x i
mi -
x i
ln -
i p
ln
1 -
t 2
1 2
1
∑ ∑
= ω
x
14 dimana :
x adalah vektor piksel yang diklasifikasikan; x1, x2, x3,...xn adalah nilai DN, I = 1, 2, 3,...m jumlah kelas atau kategori;
t adalah matrik transpose; dan n adalah jumlah kanal yang digunakan.
2.7 Penggunaan Indeks Vegetasi dalam Pendugaan Biomassa dan Karbon C
Dengan memahami perbedaan intensitas radiasi tenaga elektromagnetik EM yang dipantulkan dan dipancarkan maka akan dapat diidentifikasikan
kesehatan, kerapatan dan kelembaban dari suatu kelompok hutan. Aplikasi lebih baru dari penginderaan jauh multi spektral adalah
pendugaan jumlah dan distribusi vegetasi Curran, 1980. Menurut Lo 1996, jumlah vegetasi hijau dapat diukur dengan LAI, biomassa atau persen penutupan
tajuk. Lebih lanjut Lo 1996 menyatakan bahwa LAI daun berhubungan negatif
dengan pantulan merah, tetapi berhubungan positif dengan pantulan infra merah dekat. Tucker 1979 menyatakan rasio pantulan merah dan infra merah
dinamakan indeks vegetasi dan indeks vegetasi ini berhubungan positif dengan LAI. Indeks vegetasi merupakan persentase pemantulan radiasi matahari oleh
permukaan daun yang berkorelasi dengan konsentrasi klorofil. Banyaknya konsentrasi klorofil yang dikandung oleh suatu permukaan vegetasi, khususnya
daun menunjukkan tingkat kehijauan vegetasi tersebut. Radiasi kanal merah yang mengenai tajuk vegetasi lebih banyak diserap
daripada dipantulkan karena radiasi elektromagnetik tersebut digunakan untuk proses fotosintesis sedangkan radiasi kanal infra merah lebih banyak dipantulkan
karena penyebaran inter dan intra daun Law dan Waring, 1994. Oleh karenanya, komposisi antara kanal radiasi yang diserap dan yang dipantulkan oleh tajuk
vegetasi tergantung pada konsentrasi klorofil. Kondisi pertumbuhan vegetasi akan dapat dikenali dengan memperhatikan pola tanggapan spektralnya pada saluran
infra merah pantulan. Pada vegetasi yang sehat, selisih antara persentase radiasi
15 pantulan pada kedua kisaran kanal radiasi relatif besar, sebaliknya selisih tersebut
relatif kecil pada vegetasi yang mengalami gangguan pertumbuhannya. Klorofil mereflektansikan kanal antara 0,5 sampai 0,7 µm sebanyak 20,
sedangkan pada kisaran 0,7 sampai 1,3 µm sebanyak 60. Jensen 1983 dalam Jensen
1986 menyatakan vegetasi hijau yang sehat umumnya memantulkan 40 sampai dengan 50 energi inframerah dekat 0,7 µm sampai 1,1 µm dan klorofil
tanaman menyerap hampir 80 sampai dengan 90 energi sinar tampak 0,4 µm sampai 0,7 µm.
Rasio antara pantulan infra merah dekat dengan pantulan merah digunakan untuk memantau puncak perubahan musiman vegetasi hijau Howard, 1996.
Beberapa rasio yang telah digunakan terlihat seperti pada Tabel 2: Curran, 1980:
Tabel 2. Beberapa Rasio Indeks Vegetasi
Rasio Rumus
1. Pengurangan sederhana Im - M
2. Pembagian sederhana indeks vegetasi ImM
3. Pembagian Kompleks ImM+kanal lain
4. Multirasio sederhana NIV Im-MIm+M
5. Multirasio kompleks TIV
6. Indeks Vegetasi Tegak Lurus
7. Indeks Vegetasi Hijau -0,29 H - 0,56 M + 0,60 Im + 0,49
IM
⎥ ⎦
⎤ ⎢
⎣ ⎡
+ ⎟
⎠ ⎞
⎜ ⎝
⎛ +
0.5 M
Im M
- Im
[ ]
2 veg
tan 2
veg tan
IM -
M -
IM M
+
Sumber: Analisis dengan Indeks Vegetasi Landsat ETM 2005.
Keterangan: H
: kanal
energi biru-hijauhijau
M : kanal energi merah
Im : kanal infra merah
NIV : normal indeks vegetasi
16 TIV
: transformed indeks vegetasi Mtan
: kanal energi merah pada tanah Mveg
: kanal energi merah pada vegetasi IMtan
: kanal energi inframerah pada tanah IMveg
: kanal energi inframerah pada vegetasi
Gamon et.al 1995 menyatakan bahwa normalized difference vegetation index
NDVI dan simpel ratio SR merupakan indikator struktur kanopi, absorbsi sinar matahari dan aktivitas fotosintesis serta NDVI juga merupakan
indikator yang sensitif terhadap biomassa hijau, LAI hijau dan kandungan klorofil. Ada korelasi yang kuat antara indeks vegetasi dengan LAI atau biomassa
per area tertentu Kanemasu, 1990. Richardson dan Weigand
1977 dalam Jaya 1996 telah menunjukkan bahwa kanal merah berkorelasi tinggi dengan tinggi tanaman dan kerapatan tajuk.
Jika jumlah vegetasi meningkat, pantulan kanal merah menurun, sebaliknya pantulan kanal infra merah meningkat. Selanjutnya Richardson dan Weigand
1977 dalam Jensen 1986 membuat jarak tegak lurus perpendicular terhadap ”garis tanah” soil line sebagai indikator perkembangan tanaman dan akumulasi
biomassa, di mana jarak ini menunjukkan perpendicular vegetation index PVI. PVI=0, PVI0 dan PVI0 menyatakan tanah kosong, vegetasi dan air. Weigand
et.al 1979 menemukan bahwa PVI lebih baik daripada transformed vegettion
index TVI atau green vegetation index GVI dalam menduga LAI.
III. METODOLOGI