21
Puspitodjati S. pada tahun 2009 memaparkan lima ciri tekstur pada analisis tekstur antara lain:
1 Contrast yaitu ukuran penyebaran momen inersia elemen-elemen matriks citra
2 Energy Angular Second Moment = ASM yaitu fitur untuk mengukur konsentrasi pasangan intensitas pada matriks co-occurrence
3 Entropy menunjukkan ukuran keteracakan dari distribusi intensitas 4 Homogeneity bertujuan untuk mengukur kehomogenan variasi dalam citra
5 Correlation digunakan untuk mengukur tingkat ketergantungan linier derajat keabuan dari piksel yang saling berdekatan
Menurut Nezry et al., 1994 terdapat satu macam metode GLCM lainnya yang dikenal sebagai Mean GLCM untuk menampilkan nilai tengah mean
transisi pada visualisasi tekstur yang menjelaskan nilai level keabuan pada citra. Tujuan analisis tekstur dalam tahap pengolahan data citra untuk mengurangi jarak
selang antara satu obyek dengan obyek lainnya sehingga dapat meminimalisir kesalahan dalam menampilkan hasil klasifikasi obyek.
2.10 Klasifkasi Citra
Secara umum, algoritma klasifikasi dapat dibagi menjadi dua macam yaitu supervised
terbimbing dan unsupervised tak terbimbing. Penggunaan jenis klasifikasi citra tergantung pada ketersediaan data awal citra. Proses
pengklasifikasian terbimbing supervised dilakukan dengan prosedur pengenalan pola spektral dengan memilih kelompok atau kelas-kelas informasi yang
diinginkan dan selanjutnya memilih contoh-contoh kelas training area yang mewakili setiap kelompok. Pemilihan training area didasari oleh pengetahuan
22
peneliti dengan keadaan geografis dan pengetahuan mengenai tampilan obyek sebenarnya yang tampak pada citra, pada saat ini peneliti melakukan bimbingan
dalam mengkategorikan kelas-kelas informasi CCRS, 2005. Klasifikasi unsupervised digunakan ketika informasi data set yang dimiliki
sedikit. Pada klasifikasi tidak terbimbing, pengklasifikasian dimulai dengan pengelompokkan seluruh piksel dalam beberapa kelas yang didasarkan pada nilai
spektral yang dimiliki tiap obyek. Pada umumnya analis melakukan spesifikasi jumlah kelas yang akan dibuat dari data yang diamati, pengamatan parameter
yang berhubungan dengan jarak antara kelas dan variasi atau selang nilai dari tiap kelas CCRS, 2005. Klasifikasi unsupersived akan mengkategorikan semua
piksel menjadi kelas-kelas dengan menampakan spektral atau karakteristik spektral yang sama namun belum diketahui identitasnya, karena klasifikasi ini
didasari oleh metode pengelompokan secara natural atau clustering berdasarkan sifat spektral dari setiap piksel. Parameter yang menentukan pemisahan dan
pengelompokkan piksel-piksel menjadi kelas spektral yaitu standar deviasi maksimum, jumlah piksel minimum dalam sebuah kelas spektral dinyatakan
dalam persen , nilai pemisahan pusat kelas yang dipecah dan jarak minimum antara rata-rata kelas spektral Riani, 2009. Apabila kelas spektral telah terbentuk
kemudian dilakukan proses asosiasi antara obyek dan kelas spektral terbentuk untuk mengidentifikasi kelas spektral menjadi kategori obyek tertentu dengan
menggunakan referensi penunjang.
23
3. METODE PENELITIAN
3.1 Lokasi dan Waktu Penelitian
Daerah penelitian berlokasi di Laut Timor di sekitar Platform Montara dan Welhead Platform dengan koordinat 11°38’45,9’’ LS - 12°48’56,96’’ LS dan
124°33’16,28’’ BT - 125°26’10,01’’ BT. Tumpahan minyak Montara terjadi di pesisir Kimberley dari bagian barat Darwin, Australia Utara Australia
Government, 2010 dan tumpahan minyak ini memasuki daerah perairan Indonesia tepatnya daerah selatan Pulau Rote, Nusa Tenggara Timur. Peta lokasi
penelitian dapat dilihat pada Gambar 6 di bawah ini.
Gambar 6. Peta Lokasi Pengamatan Citra Deteksi Tumpahan Minyak Penelitian ini bukanlah penelitian lapang langsung ke Laut Timor,
melainkan penelitian dengan melakukan pengolahan citra satelit ALOS PALSAR. Survei lapang tidak dilakukan karena keterbatasan waktu dan time lag antara
pemindaian citra dan pengolahan citra yang dilakukan sekarang ini. Pengolahan
