Pengenalan Pola dan Performa Pengklasifikasi ANN

4 HASIL DAN PEMBAHASAN

4.1 Pengenalan Pola dan Performa Pengklasifikasi ANN

Pengenalan pola pattern recognition dan performa klasifikasi citra bertujuan untuk membantu penyusunan skema klasifikasi citra terumbu karang. Tahapan ini diturunkan lebih awal melalui transformasi citra substrat dasar perairan gusung karang Lebar dan karang Congkak Kepulauan Seribu. Transformasi pendugaan awal substrat dasar perairan dangkal terlihat pada pola kenampakan citra Quickbird komposit RGB 321, RGB 421 dan RGB 432 Gambar 4-1. Melalui teknik penajaman histogram histogram enhancement citra, substrat dasar perairan dangkal tampak berwarna biru muda cyan dan sebaran terumbu karang jelas terlihat di sekitar gusung karang. Teknik penajaman citra ini menggambarkan awal keberadaan terumbu karang. Gambar 4-1 Performa penajaman citra satelit Quickbird hasil komposit RGB 321 a, RGB 421 b, RGB 432 c dan Lyzenga d Hasil transformasi metode “Deep Invariant Index” algoritma Lyzenga sesuai hasil penelitian Sulma dan Kushardono 2006 menggunakan data SPOT diperoleh klasifikasi tutupan dasar perairan ekosistem terumbu karang Kelurahan Pulau Panggang Kepulauan Seribu terdiri atas: i dominasi karang mati [Type a quote from the document or the summary of an interesting point. You can position the text box anywhere in the document. Use the Text Box Tools tab to change the formatting of the pull quote text box.] [Type a quote from the document or the summary of an interesting point. You can position the text box anywhere in the document. Use the Text Box Tools tab to change the formatting of the pull quote text box.] [Type a quote from the document or the summary of an interesting point. You can position the text box anywhere in the document. Use the Text Box Tools tab to change the formatting of the pull quote text box.] [Type a quote from the document or the summary of an interesting point. You can position the text box anywhere in the document. Use the Text Box Tools tab to change the formatting of the pull quote text box.] 40 ditampilkan dengan warna biru muda, ii dominasi karang hidup merah, iii lamun hijau, iv pasir kuning, dan v perairan dalam dengan kedalaman 15 m. Berbeda halnya dengan sensor Quickbird yang digunakan dari hasil klasifikasi diperoleh 6 kelas habitat, yaitu nampak bahwa karang mati merah, karang hidup hijau, lamun orange, pasir kuning, dan habitat campuran hijau muda. Adapun daratan hitam dan perairan biru terlihat dengan jelas. Intrepretasi ini relatif sama dengan Amri dkk 2010 dan Siregar dkk. 2010 yang sama-sama menggunakan Quickbird dalam penelitian ini. Substrat dasar pasir hampir mendominasi seluruh wilayah kajian. Karang hidup lebih banyak menyebar dibagian luar terumbu, dibandingkan di sekitar goba, demikan pula dengan sebaran pasir dan tutupan lamun juga banyak ditemukan disekitar tubir karang. Uji ketelitian keterpisahan formula Schowengerdt 1997; 2007 untuk menguji performa pengklasifikasi setiap band atau citra komposit dapat diketahui dari hasil formulasi perhitungan nilai spectral signature atau nilai digital ND. Berdasarkan ND citra grayscale yang disajikan dalam histogram statistik univariate citra Quickbird Gambar 4-2 menunjukkan performa atau pola separasi berbeda pada Band 1, 2 dan 3, dan 4. Performa Band 4 yang berbeda dari yang lain, dikarenakan sensor ini tidak dapat menembus perairan dangkal. Gambar 4-2 Histogram statistik univariate Citra Quickbird B 1 B 2 B 3 B 4 [Type a quote from the document or the summary of an interesting point. You can position the text box anywhere in the document. Use the Text Box Tools tab to change the formatting of the pull quote text box.] [Type a quote from the document or the summary of an interesting point. You can position the text box anywhere in the document. Use the Text Box Tools tab to change the formatting of the pull quote text box.] [Type a quote from the document or the summary of an interesting point. You can position the text box anywhere in the document. Use the Text Box Tools tab to change the formatting of the pull quote text box.] [Type a quote from the document or the summary of an interesting point. You can position the text box anywhere in the document. Use the Text Box Tools tab to change the formatting of the pull quote text box.] 41 Histogram multivariate citra Quickbird Gambar 4-3 pada kombinasi B-321, B-421, B-432 dan Lyzenga menunjukkan performa yang berbeda-beda pula. Perbedaan tersebut dikarenakan kedalaman sensor sinar tampak menurut CNES 1999 dan Green et al. 2000, dapat ditembus oleh B2 0.52-0.60µm sekitar 15m, B3 0.63-0.69µm sekitar 5m dan B4 0.76-0.89µm sekitar 0.5m dan pankromatik seluruhnya diserap oleh perairan. Sedangkan pada Lyzenga pemisahan objek semakin jelas terlihat pada histogramnya. Kemampuan sensor untuk mendeteksi, menseparasi atau memisahkan objek di perairan terlihat dengan jelas pada histogram tersebut. Gambar 4-3 Histogram statistik multivariate Citra Quickbird Hasil deteksi dini menunjukkan kelas pixel tertentu menjadi lebih spesifik dan maksimal berbeda, ketika diterapkan metode penajaman citra multispektral yang mengkombinasikan band 1 dan band 2 berdasarkan “standar model koefisien atenuasi ”. Setelah nilai digital band 1 dan band 2 diekstraksi maka nilai koefisien attenuasi perairan KiKj diperoleh sebesar 0.433121. Persamaan B 321 B 421 B 432 Lyzenga [Type a quote from the document or the summary of an interesting point. You can position the text box anywhere in the document. Use the Text Box Tools tab to change the formatting of the pull quote text box.] [Type a quote from the document or the summary of an interesting point. You can position the text box anywhere in the document. Use the Text Box Tools tab to change the formatting of the pull quote text box.] [Type a quote from the document or the summary of an interesting point. You can position the text box anywhere in the document. Use the Text Box Tools tab to change the formatting of the pull quote text box.] [Type a quote from the document or the summary of an interesting point. You can position the text box anywhere in the document. Use the Text Box Tools tab to change the formatting of the pull quote text box.] 42 algoritma yang digunakan untuk mengekstrak substrat dasar adalah Y = ln Band 1 - 0.433121 ln Band 2. Sesuai dengan sebaran ND hasil iterasi intrepretasi layar komputer, maka diperoleh beberapa komponen dominan dari citra hasil algoritma. Rentangan perbedaan warna pada citra hasil transformasi algoritma “ depth invariant index ” menunjukkan banyaknya kelas yang ada di substrat perairan. Pada citra hasil transformasi tersebut dapat dibedakan dengan jelas objek pasir, lamun seagrass , karang hidup, dan karang mati. Gambaran awal tersebut mempermudah analisis klasifikasi citra yang didasarkan atas tiga pendekatan utama, yaitu 1 intrepretasi visual, 2 klasifikasi unsupervised , dan 3 klasifikasi supervised Green et al. 2000. Hasil intrepretasi visual tersebut dapat menyatakan secara detail keaslian dan distribusi habitat. Subyektifitas dan intrepretasi visual memiliki kekurangan, terutama jika dibandingkan dengan pertimbangan sebelumnya. Hal ini juga menjadi sangat penting artinya dan menjadi isyarat bahwa pendekatan klasifikasi citra melalui penggunaan data komposit band diatas sangat memungkinkan diterapkan dalam pengembangan klasifikasi algoritma ANN unsupervised dan supervised yang dibahas dalam penelitian ini. Guna keperluan klasifikasi citra satelit, proses reklasifikasi kelas lebih lanjut dari algoritma ANN dapat disesuaikan dengan skema tipe habitat perairan dangkal dan hasil survey lapang. 4.2 Pelatihan Klasifikasi Algoritma ANN 4.2.1 Klasifikasi Algoritma ANN