Pengolahan Citra Satelit Landsat

3.4 Pengolahan Citra Satelit Landsat

3.4.1 Perbaikan citra (Image Restoration)

Perbaikan citra perlu dilakukan terhadap data citra satelit, yang dimaksudkan untuk menghilangkan kesalahan-kesalahan radiometrik dan geometrik yang terdapat pada data citra satelit tersebut. Tujuan dilakukannya koreksi radiometrik adalah untuk memperbaiki bias pada nilai digital piksel yang disebabkan oleh gangguan atmosfer ataupun kesalahan sensor. Sedangkan koreksi geometrik bertujuan untuk memperbaiki distorsi geometrik.

Hal pertama yang perlu dilakukan dalam koreksi geometrik adalah penentuan tipe proyeksi dan sistem koordinat yang akan digunakan. Penyeragaman data-data kedalam sistem koordinat dan proyeksi yang sama perlu dilakukan, guna mempermudah dalam proses pengintegrasian data-data selama penelitian. Proyeksi yang akan digunakan dalam penelitian ini adalah Universal Transverse Mercator (UTM) dan sistem koordinat geografik yang menggunakan garis latitude (garis Barat-Timur) dan garis longitude (garis Utara-Selatan).

Perbaikan distorsi geometrik dapat dilakukan dengan mengambil titik-titik ikat/ kontrol di lapangan atau menggunakan peta/citra acauan yang telah terkoreksi. Langkah selanjutnya adalah melakukan proses resampling dengan metode nearest neighbourhood interpolation, dimana nilai digital piksel yang diisikan dari citra acuan ke citra yang akan dikoreksi adalah nilai-nilai digital tiap piksel yang memiliki nilai/lokasi terdekat tanpa memperhatikan adanya pergeseran kecil. Keunggulan dari metode ini adalah karena perhitungan sederhana dan menghindari perubahan nilai piksel, akan tetapi kenampakan pada

matriks keluaran dapat digeser secara spasial hingga setengah piksel dan dapat menyebabkan adanya kenampakan yang tidak bersambungan pada hasil citra keluarannya.

3.4.2 Pemotongan citra (Subset Image)

Hal pertama sebelum melakukan pemotongan citra adalah dengan melakukan penentuan lokasi penelitian (clipping) yang berdasarkan batas administrasi wilayah Kota Semarang. Selanjutnya setelah didapatkan batasan areal lokasi penelitian kemudian proses pemotongan citra dapat dilakukan. Pemotongan citra dilakukan dengan memotong wilayah yang menjadi obyek penelitian, dimana peta rupa bumi hasil digitasi (peta digital) dapat dijadikan acuan pemotongan citra. Batas wilayah yang akan dipotong dibuat dengan area of interest (aoi), yaitu pada wilayah yang termasuk ke dalam kota Semarang.

3.4.3 Klasifikasi citra (Image Classification)

Persiapan yang harus dilakukan sebelum melakukan pengklasifikasian adalah menetapkan kelas-kelas spektral yang terliput oleh citra satelit, kemudian membuat aturan penetapan klasifikasi setiap piksel kedalam kelas-kelas yang telah ditentukan. Pemilihan kelompok-kelompok piksel kedalam kelas klasifikasi merupakan proses pemilihan obyek (feature selection). Pembagian kelas klasifikasi dibuat berdasarkan kondisi penutupan lahan sebenarnya dilapangan dan dibatasi menurut kebutuhan pengklasifikasian. Kelas klasifikasi tersebut meliputi hutan alam, hutan tanaman, perkebunan, kebun campuran, semak belukar, rumput, lahan pertanian, lahan terbuka, pemukiman (area terbangun), dan badan air. Tahapan klasifikasi dilakukan dengan dua pendekatan dasar klasifikasi, yaitu klasifikasi terbimbing (supervised classification) dan klasifikasi tidak terbimbing (unsupervised classification) (Lillesand dan Kiefer, 1997).

Dalam penelitian ini untuk klasifikasi citra menggunakan proses klasifikasi terbimbing (supervised classification) yang prosesnya melalui pemilihan kategori informasi atau kelas yang diinginkan dan kemudian memilih daerah latihan (training area) yang mewakili tiap kategori.

Tahapan yang dilakukan dalam klasifikasi terbimbing menggunakan sofware ERDAS Imagine 8. 5:

1. Pengenalan pola-pola spektral yang ditampilkan oleh citra dengan berpedoman titik kontrol yang diambil pada lokasi penelitian menggunakan GPS.

2. Pemilihan daerah (area of interest) yang diidentifikasi sebagai satu tipe penutupan lahan berdasarkan pola-pola spektral yang ditampilkan oleh citra.

3. Proses klasifikasi citra yang dilakukan secara otomatis oleh komputer berdasarkan pola-pola spektral yang telah ditetapkan pada saat proses pemilihan daerah.

4. Menggabungkan daerah-daerah yang memiliki tipe penutupan lahan yang sama (recode).

5. Pengkoreksian citra hasil klasifikasi dengan membandingkannya dengan citra sebelum diklasifikasi.

3.4.4 Pengolahan citra Landsat Band 6 untuk estimasi suhu permukaan

Untuk estimasi nilai suhu permukaan digunakan sofware ERDAS Imagine

8.5, kemudian dibangun sebuah model pada model maker yang sudah tersedia untuk mengkonversi nilai-nilai pixel pada Landsat 7ETM band 6. Dalam hal ini yang perlu diperhatikan adalah nilai DN (Digital Number) untuk dilakukan konversi menjadi nilai radiansi. Berikut adalah rumus yang digunakan untuk mengkonversi nilai digital menjadi nilai radiansi (USGS, 2002):

Radiansi = gain x DN (digital number) + offset

Dengan nilai gain sebesar 0.05518, digital number adalah dengan band 6, dan nilai offset sebesar 1.2378.

Kemudian dilakukan konversi band 6 pada Landsat 7ETM untuk mengetahui nilai suhu permukaan (USGS, 2002) :

Dimana T : Suhu Efektif (K) 

K2 : Konstanta Kalibrasi 2 (Tabel 2)

ln   1  K1 : Konstanta Kalibrasi 1 (Tabel 2)  L 

L 2 λ : Spektral Radiansi (W/(m *ster*μm))

Konstanta K1 dan K2 untuk Landsat 5/TM dan Landsat 7/ETM dapat ditunjukkan dalam Tabel 2 dibawah ini

Tabel 2. Nilai Konstanta Kalibrasi dari Band Thermal

Satelit

K1 (W/(m 2 *ster*μm))

K2 (Kelvin)

1260.56 Landsat 7/ETM

Landsat 5 /TM

1282.71 Sumber : Handbook Landsat