41
Koreksi radiometrik dilakukan untuk memperbaiki kualitas visual dan sekaligus memperbaiki nilai-nilai pixel yang tidak sesuai dengan nilai pantulan
atau pancaran spektral objek yang sebenarnya, metode koreksi radiometrik yang digunakan adalah histogram adjustment. Berikut pada Tabel 6 ditampilkan nilai-
nilai minimum dan maksimum tiap kanal dari histogram citra sebelum dan setelah
terkoreksi radiometrik, sedangkan histogramnya ditampilkan pada Lampiran 2.
Tabel 6 Nilai minimum dan maksimum digital number sebelum dan setelah terkoreksi radiometrik
No Kanal 16 Juni 1991
15 Mei 2000 27 Feb 2001
21 Mei 2002 Min Max Min Max Min Max Min Max
Sebelum koreksi radiometrik 1 Kanal
1 98 255
56 255
149 255
132 255
2 Kanal 2 13
255 32
255 89
255 81
255 3 Kanal
3 1 255
21 255
57 255
52 255
4 Kanal 4 0
255 9
255 11
255 11
255 5 Kanal
5 0 255
7 255
9 255
9 255
6 Kanal 7 0
255 4
255 1
255 1
235 Setelah koreksi radiometrik
1 Kanal 1 0
157 199
106 123
2 Kanal 2 0
242 223
166 174
3 Kanal 3 0
254 234
198 203
4 Kanal 4 0
255 246
244 244
5 Kanal 5 0
255 248
246 246
6 Kanal 7 0
255 251
254 254
Asumsi pada metode penyesuaian histogram bahwa nilai minimum pada suatu liputan adalah nol, jika tidak dimulai dari nol maka penambahan tersebut
disebut sebagai offset-nya. Berdasarkan asumsi tersebut, maka nilai minimum pada data sebelum terkoreksi dianggap sebagai pengurang, sehingga akan kita
dapatkan rentang nilai minimum dan maksimum setelah citra mengalami koreksi radiometrik dengan metode penyesuaian histogram seperti tertera pada Tabel 6.
Metode penyesuaian histogram ini tidak mengubah pola dari grafik sebaran nilai pixel
tapi hanya menggeser nilai minimum ke titik nol dan nilai maksimum bergeser sesuai nilai offset-nya.
4.4 Ekstraksi Informasi Nilai Digital dan Radians Data Landsat-7 ETM+
42
Pada Lampiran 3 ditampilkan persentase penutupan kanopi dan dominansi jenis mangrove di tiap stasiun hasil survei lapang serta hasil ekstraksi nilai
spektral Landat-7 ETM+ tanggal perekaman 21 Mei 2002. Nilai spektral diperoleh dengan mengambil nilai pixel sesuai dengan posisi lokasi stasiun di
lapangan. Dari data tersebut diatas yang akan dijadikan dasar dalam pembuatan algoritma indeks vegetasi. Pada Tabel 7 ditampilkan perubahan dari nilai digital
ke nilai radians, hal ini untuk melihat perbedaan hasil apabila menggunakan nilai digital dan nilai radians.
4.5 Penajaman Citra Image Enhancement
Pada pengamatan secara visual masing-masing kanal tunggal secara terpisah dalam mendeteksi objek mangrove, ternyata kanal yang paling
representatif secara visual bisa membedakan mangrove dengan objek-objek lain adalah kanal 5, yang terletak pada selang panjang gelombang 1.55-1.75
μm. Hal ini dapat dilihat pada Gambar 13. Hal ini membuktikan bahwa pada selang
panjang gelombang 1.55-1.75 μm tersebut kandungan air pada tanaman dan
kondisi kelembaban tanah berpengaruh sangat kuat sehingga bisa membedakan antara mangrove dengan tumbuhan darat.
Gambar 13 Citra tiap kanal untuk identifikasi mangrove 21 Mei 2002.
B 1 B 2
B 3
B 4 B 5
B 7 mangrov
43
Tabel 7 Perubahan dari nilai digital ke nilai radians
Stasiun Nilai Spektral Landsat-7 ETM+
Nilai Radians Landsat-7 ETM+
Wm
2
.sr.µm
1 2 3 4 5 7 1 2 3 4 5 7 1 56 64 78 80 46 27
36,631 43,926
42,867 71,474
4,680 0,791
2 49 56 61 85 53 29 31,180
37,535 32,299
76,320 5,563
0,879 3 54 49 63 112 102 49
35,073 31,943
33,543 102,491
11,748 1,757
4 49 54 66 95 43 27 31,180
35,937 35,407
86,013 4,301
0,791 5 51 47 54 78 51 34
32,737 30,346
27,948 69,535
5,311 1,099
6 39 39 34 102 53 27 23,392
23,955 15,515
92,798 5,563
0,791 7 30 39 34 112 65 32
16,383 23,955
15,515 102,491
7,078 1,011
8 51 49 59 134 85 39 32,737
31,943 31,056
123,816 9,603
1,318 9 83 85 95 136 92 44
57,657 60,701
53,435 125,754
10,486 1,538
10 56 66 88 95 70 37 36,631
45,523 49,084
86,013 7,709
1,230 11 54 59 66 75 38 25
35,073 39,931
35,407 66,628
3,670 0,704
12 56 59 61 68 46 27 36,631
39,931 32,299
59,843 4,680
0,791 13 56 61 61 87 48 25
36,631 41,529
32,299 78,259
4,932 0,704
14 59 68 73 78 53 27 38,967
47,121 39,759
69,535 5,563
0,791 15 49 56 54 117 82 34
31,180 37,535
27,948 107,338
9,224 1,099
16 44 47 46 129 68 29 27,286
30,346 22,974
118,969 7,457
0,879 17 59 71 76 83 51 32
38,967 49,517
41,624 74,382
5,311 1,011
18 49 54 59 73 38 25 31,180
35,937 31,056
64,689 3,670
0,704 19 71 73 76 146 102 39
48,312 51,115
41,624 135,447
11,748 1,318
20 95 88 93 160 114 63 67,002
63,097 52,192
149,017 13,263
2,372 21 39 42 44 92 51 25
23,392 26,352
21,731 83,106
5,311 0,704
22 54 59 61 70 51 25 35,073
39,931 32,299
61,781 5,311
0,704 23 51 71 85 102 53 29
32,737 49,517
47,219 92,798
5,563 0,879
44
Untuk lebih memperjelas tampakan dari berbagai objek dilakukan penajaman citra image enhancement. Penajaman bisa dilakukan dengan
berbagai metode, salah satunya adalah dengan pembuatan citra komposit. Citra komposit membutuhkan tiga kanal sebagai masukan pada filter red, green dan
blue . Pemilihan kanal tersebut dilakukan dengan metode optimum index factor
OIF. Pemilihan kanal ini dilakukan dengan mempertimbangkan kebutuhan penampilan citra yang kontras untuk diinterpretasi secara visual serta kombinasi
kanal yang efisien untuk diklasifikasi secara digital. OIF tertinggi akan menyajikan lebih banyak warna, sehingga diharapkan akan memberikan lebih
banyak informasi. Hasil penajaman citra ini didapatkan tampakan yang kontras pada citra sehingga memudahkan dalam proses interpretasi serta meningkatkan
informasi yang diperoleh. Matriks korelasi antar kanal pada citra tiap tanggal perekaman ditampilkan pada Tabel 8, sedangkan standart deviasinya ditampilkan
pada Tabel 9. Tabel 8 Matriks korelasi antar kanal pada tiap tanggal perekaman
Correlation Matrix Kanal
1 Kanal 2 Kanal
3 Kanal 4 Kanal
5 Th. 1991
Kanal 2 0,900
Kanal 3 0,738
0,913 Kanal 4
-0,780 -0,604
-0,418 Kanal 5
-0,635 -0,443
-0,272 0,920
Kanal 7 -0,057
0,211 0,304
0,493 0,708
Th. 2000 Kanal 2
0,992 Kanal 3
0,990 0,995
Kanal 4 0,648
0,663 0,641
Kanal 5 0,859
0,866 0,852
0,903 Kanal 7
0,929 0,929
0,922 0,780
0,962 Th. 2001
Kanal 2 0,959
Kanal 3 0,915
0,967 Kanal 4
-0,064 0,030
0,111 Kanal 5
0,236 0,320
0,385 0,922
Kanal 7 0,572
0,660 0,705
0,681 0,865
Th. 2002 Kanal 2
0,930 Kanal 3
0,880 0,965
Kanal 4 -0,048
0,123 0,160
Kanal 5 0,149
0,311 0,357
0,916 Kanal 7
0,450 0,594
0,631 0,689
0,868
45
Tabel 9 Standart deviasi tiap kanal pada tiap tanggal perekaman
Std. Dev. Kanal
1 Kanal 2 Kanal
3 Kanal 4 Kanal
5 Kanal 7
Th. 1991 22,734 17,403 20,436 80,633 50,136 13,589
Th. 2000 51,344 53,454 59,679 46,504 55,612 40,679
Th. 2001 26,899 39,992 50,689 86,115 76,906 60,290
Th. 2002 20,858 26,642 33,766 76,558 62,801 34,230
Berdasarkan matriks korelasi dan standar deviasi pada Tabel 8, maka kita bisa menghitung nilai OIF tiap kombinasi kanal pada tiap tanggal perekaman.
Nilai OIF tertinggi dari sejumlah 6 kanal kanal 1, kanal 2, kanal 3, kanal 4, kanal 5 dan kanal 7 yang digunakan, kita mendapatkan 20 kombinasi OIF pada tiap
tanggal perekaman. 20
3 6
3 6
6 3
= −
= C
Hasil OIF dari masing-masing citra ditampilkan pada Tabel 10. Tabel tersebut memperlihatkan bahwa OIF tertinggi pada setiap citra terletak pada
kombinasi kanal yang berbeda. Citra tahun 1991 nilai OIF tertinggi terletak pada kombinasi kanal 347, citra tahun 2000 nilai OIF tertinggi terletak pada kombinasi
kanal 234, citra tahun 2001 nilai OIF tertinggi terletak pada kombinasi kanal 134, sedangkan citra tahun 2002 nilai OIF tertinggi terletak pada kombinasi kanal 145.
Berdasarkan rumus yang digunakan dalam mencari nilai OIF, OIF yang tinggi tersebut merupakan hasil dari nilai standar deviasi yang tinggi dan korelasi antar
kanal yang rendah, dengan korelasi antar kanal yang rendah tersebut diharapkan
akan mendapatkan informasi yang saling melengkapi.
Dari satu nilai OIF tersebut bisa dibuat enam kombinasi citra komposit, pada citra tahun 1991 nilai OIF tertinggi adalah kanal 347, maka kombinasi yang
bisa didapatkan, yaitu RGB 347, RGB 374, RGB 437, RGB 473, RGB 734 dan RGB 743. Citra tahun 2000 didapatkan kombinasi RGB 234, RGB 243, RGB
324, RGB 342, RGB 423 dan RGB 432. Citra tahun 2001 didapatkan kombinasi RGB 134, RGB 143, RGB 314, RGB 341, RGB 413 dan RGB 431. Sedangkan
citra tahun 2002 didapatkan kombinasi RGB 145, RGB 154, RGB 415, RGB 451, RGB 514 dan RGB 541.
46
Tabel 10 Nilai OIF dari tiap kombinasi kanal No Kombinasi
Kanal OIF-1991 OIF-2000 OIF-2001 OIF-2002
1 1,2,3
23,74 55,25 41,39 29,29 2 1,2,4 52,88
65,70 165,41
123,44 3
1,2,5 45,64 59,04 94,92 79,35
4 1,2,7
46,00 51,04 58,05 41,40 5
1,3,4 63,95 69,12 170,17
132,24 6
1,3,5 56,72 61,69 100,58 84,72
7 1,3,7
51,65 53,40 62,90 45,31 8
1,4,5 65,74 63,68 173,60
157,54 9 1,4,7 87,94
58,77 145,76
120,67 10
1,5,7 61,76 53,69 98,08 80,36
11 2,3,4
61,23 69,44
5,47 109,75 12
2,3,5 54,04 62,20 100,23 75,45
13 2,3,7
36,01 54,04 64,74 43,21 14 2,4,5 75,33
63,97 159,60
122,96 15
2,4,7 85,34 59,29 135,96 97,75
16 2,5,7
59,57 54,31 96,04 69,75 17 3,4,5 93,92
67,53 150,71
120,81 18
3,4,7 94,37 62,68 131,66 97,67
19 3,5,7
65,55 57,01 96,10 70,47 20
4,5,7 68,06 53,99 90,48 70,19
Pada objek yang sama, apabila kombinasi kanal yang dimasukkan ke filter biru, hijau dan merah berbeda maka objek tersebut akan ditampilkan dengan
warna yang berlainan. Dalam pendeteksian mangrove, dari keenam kombinasi kanal yang bisa dibentuk, diperoleh hasil visual terbaik untuk citra tahun citra
tahun 1991 adalah RGB 347, sedangkan citra tahun 2000 adalah RGB 342, citra tahun 2001 adalah RGB 341, serta citra tahun 2002 adalah RGB 451 Gambar
14.
47
Gambar 14 Citra komposit hasil OIF. Dalam pemilihan kanal untuk pendeteksian mangrove, selain dengan
menggunakan metode OIF, juga dibuat kombinasi komposit RGB 453 Gambar 15. Dimana kanal 3 Landsat TM dan ETM+, yaitu pada selang
λ 0,63 – 0,69 µm, untuk pemisahan vegetasi, yaitu memperkuat kontras antara vegetasi dan
non vegetasi. Kanal 4 Landsat TM dan ETM+, yaitu pada selang λ 0,76 – 0,90
µm, membantu identifikasi tanaman dan memperkuat kontras antara tanaman dengan tanah dan lahan dengan air. Kanal 5 Landsat TM dan ETM+, yaitu pada
selang λ 1,55 – 1,75 µm, untuk penentuan jenis tanaman, kandungan air pada
tanaman dan kondisi kelembaban tanah Gambar 15.
RGB 347 1991 RGB 342 2000
RGB 341 2001 RGB 451 2002
Awan Vegetasi
Darat Perairan
48
Gambar 15 Citra komposit RGB 453 21 Mei 2002. Pada identifikasi mangrove dengan citra komposit RGB 453 ini cukup
mudah untuk membedakan mangrove dengan objek-objek lain. Berdasarkan analisis visual pengamatan nilai-nilai digital dan pertimbangan visual warna pada
citra komposit tersebut, mangrove primer ditunjukkan oleh warna merah gelap, mangrove sekunder warna orange gelap dan mengacu pada habitatnya yang hidup
di sepanjang pantai perairan asin. Tambak ditunjukkan dengan warna biru kehijauan. Warna biru sampai hitam adalah perairan, semakin dalam perairan
akan ditunjukkan dengan warna yang semakin gelap. Vegetasi darat ditunjukkan dengan warna orange. Awan ditunjukkan dengan warna putih. Citra tahun 2000
dan tahun 2001, sangat dipengaruhi oleh kondisi awan. Selain objek dibawahnya tidak bisa terdeteksi, awan disini juga mempengaruhi nilai digital dari objek,
dimana nilainya akan lebih rendah dari yang semestinya. Selain dengan analisa visual seperti tersebut di atas, identifikasi mangrove
juga dilakukan dengan analisa digital, yaitu dengan melihat pola spektral masing-
masing objek Lampiran 4. 4.6
Training Area
49
Pada prosedur klasifikasi supervised harus menetapkan terlebih dahulu daerah contoh training area, dipilih tipe penutupan lahannya kemudian
dilakukan labelling kategori pixel. Training area mengidentifikasi karakteristik spektral untuk tipe feature berdasarkan deskriptor numerik Campbell 1987.
Pada waktu digitasi dalam pembuatan training area, pengambilan sampel harus mewakili dari masing-masing kelas penutup lahan. Dalam pengambilan
training area ini lebih mudah jika diambil pada daerah yang homogen, artinya
nilai simpangan baku kelompok pada tiap pixel rendah pada tiap saluran. Pada citra komposit, standard deviasi yang rendah ini akan ditampilkan dengan warna
yang hampir seragam. Selain nilai simpangan baku yang rendah, dalam pengambilan training area ini juga dengan melihat histogram masing-masing
objek. Berdasarkan hasil analisis visual pada citra komposit dan analisis digital
dari masing-masing objek, maka lokasi studi akan dikelaskan menjadi beberapa kelas, diantaranya: 1 perairan, 2 mangrove primer, 3 mangrove sekunder, 4
tambak ikan, 5 lainnya
vegetasi darat
dan 6 awan. Dari keenam objek tersebut training
area diambil pada citra tanggal 16 Juni 1991 dan 21 Mei 2002 di lokasi yang sama, kecuali tambak karena adanya perubahan yang cukup signifikan pada
lahan tersebut antara tahun 1991 dan 2002. Training area diambil masing-masing objek sebanyak 10 region.
Histogram dari masing-masing region tiap objek dari citra tanggal 16 Juni 1991 dan 21 Mei 2002 ditampilkan pada Lampiran 4. Sedangkan pada Lampiran
5 ditampilkan rerata dari nilai statistik minimum, maximum, mean, standart deviasi serta covariance antar kanal pada tiap objek.
Dari histogram pada Lampiran 4 terlihat bahwa setiap objek memiliki pola histogram yang berbeda-beda. Dan apabila dilihat perubahan histogram dari
region objek mangrove primer dan mangrove sekunder tanggal 16 Juni 1991 dan 21 Mei 2002 ada perubahan yang cukup signifikan, dimana pada tahun 2002 ada
penurunan nilai rata-rata reflektansi dari kanal 1 λ 0,45-0,52 μm, namun hal ini
kemungkinan disebabkan oleh adanya pengaruh awan pada citra tahun 2002.
4.7 Uji Ketelitian Keterpisahan Separability
