26 Mulai
Citra ALOS PALSAR level 1,5 format .ceos Konversi data .ceos menjadi .tiff .ers dengan ENVI 4,5
Penggabungan layer HH dan HV, koreksi nilai histogram Gabungkan citra path 6930 dan 6940
Koreksi nilai digital dengan formula NRCS: 10log10 DNˆ2 + CF pada ER Mapper
Analisis visual Filter frost
3x3; 5x5 ; 7x7 Filter gamma
3x3 ; 5x5 ; 7x7
Bandingkan secara visual dan profil garis transek tiap jendela pengamatan
Visual citra dan grafik Tampilan kasar dan
tidak jelas hasil penyaringan
Tampilan halus dan jelas
Thresholding dan segmentasi :
1. Oil crude, medium, light 2. Non-oil lautan, platform
Analisis tekstur GLCM Thresholding dan segmentasi :
1. Oil crude, medium, light 2. Non-oil lautan, platform
Tidak Dapat
SELANG KELAS
diaplikasikan Dapat diaplikasikan untuk klasifikasi
Klasifikasi dan tentukan warna STOP
Gambar 7. Diagram Alir Pengolahan Citra ALOS PALSAR Level 1,5
. Lusch, 1999.... 1
: panjang gelombang sinyal cm
9
, 7
9
27
Gambar 7 di atas merupakan diagram alir pengolahan citra ALOS PALSAR yang diawali dengan konversi format data ALOS PALSAR level 1,5 .ceos
menjadi format .ers melalui software ENVI. Hal ini bertujuan untuk mempermudah tahap pengolahan data selanjutnya dengan menggunakan
perangkat lunak ErMapper. Pada tahapan ini dibutuhkan pengetahuan mengenai cara konversi nilai frekuensi panjang gelombang mikro yang dipancarkan oleh
sensor PALSAR menjadi nilai intensitas hambur balik dalam satuan dB. Satelit ALOS PALSAR merupakan satelit yang memanfaatkan kanal L pada
sistem radar dengan frekuensi pemancaran sebesar 1,27 GHz. Nilai frekuensi ini kemudian diubah menjadi nilai panjang gelombang mikro dengan memanfaatkan
teori Maxwell’s wave di bawah ini
dimana c : Kecepatan perambatan 3x10
8
ms v : frekuensi GHZ : 10
9
Hz c : 3x10
8
mdet = 30x10
9
cmdet Frekuensi pemancaran sebesar 1,27 GHz kemudian dikonversi menjadi
nilai frekuensi dengan satuan Hz untuk mempermudah perhitungan nilai panjang gelombang mikro pada satelit ini. Contoh perhitungan dapat dilihat di bawah ini
= 23,62 cm Gelombang mikro yang ditransmisikan oleh sensor akan dihambur
balikkan oleh target di permukaan bumi sehingga tersimpan pada piksel citra dengan informasi berupa nilai digital. Nilai ini diperoleh melalui kalkulasi dengan
formula radar equation:
Lusch, 1999.... 2
= kekuatan hambur balik gelombang mikro
= koefisien hambur balik radar terhadap target : 10 î
= panjang gelombang mikro pada sistem radar
dimana
= kekuatan
yang ditransmisikan
oleh sistem
radar
Î = Nilai rata-rata intensitas target A = luas dari resolusi sel pada citra radar
G = pemanjangan antena
R = jarak antara antena dan target Tahap selanjutnya yaitu tahap pengoreksian nilai hambur balik berupa nilai
digital menjadi nilai intensitas dengan satuan dB pada citra yang dikenal sebagai preprosessing Calibration Factor
dengan menggunakan formula : NRCS
dB = 10log10 DN
2
+ CF ............3 dimana :
NRCS adalah Normalized Radar Cross Setting dengan satuan dB
DN adalah Digital Number nilai digital
CF adalah Calibration Factor Faktor kalibrasi bernilai -83 AUIG,2009
Analisis visual pada citra merupakan pendeteksian daerah rona yang lebih gelap dari sekitarnya pada citra. Daerah yang memiliki visualisasi yang gelap
disebabkan oleh tingkat kekasaran permukaan yang dimiliki obyek rendah jika dibandingkan dengan sudut datang, sehingga hambur balik dari gelombang mikro
akan lebih sedikit. Namun apabila tingkat kekasaran suatu permukaan tinggi maka
tampilan pada citra akan terlihat lebih terang karena sinyal yang terhamburkan akan lebih banyak. Hal yang menjadi alasan bahwa citra yang
memiliki penampakan titik hitam dapat dijadikan acuan sebagai salah satu obyek tumpahan minyak dikarenakan minyak akan meredam gelombang laut sehingga
menyebabkan permukaan laut tampak tenang. Oleh sebab itu daerah ini akan memiliki pewarnaan yang lebih gelap dibandingkan daerah di sekelilingnya yang
tidak tertutupi oleh lapisan minyak.
3.3.2.1 Penyaringan Adaptif Frost dan Gamma
Tahapan identifikasi minyak yang kedua adalah proses penyaringan filtering. Penelitian ini menerapkan beberapa filter yaitu frost dan gamma untuk
menghilangkan noise bercak pada citra akibat gangguan atmosfer saat perekaman citra serta mendapatkan kenampakan obyek pengamatan lebih jelas. Kedua
tahapan adaptif ini dilakukan pada saat yang sama dengan sumber data yang sama yaitu data yang telah mengalami konversi nilai digital terlebih dahulu. Formula
yang digunakan pada metode penyaringan frost dan gamma dapat dilihat pada Tabel 5 di bawah ini.
Tabel 5. Dua Metode Penyaringan Spasial Adaptif dalam Kajian Penelitian Metode
Formula Keterangan Simbol
Frost
| |
α =
σ
σ = nilai lokal varien k= nilai normalisasi konstan dari nilai
tengah refleksifitas radar n= ukuran jendela pengamatan
= nilai rata-rata piksel lokal
|t| I
= =
nilai terhadap
|X-X standar
| + tetangga
I = Probabilitas kemunculan piksel i, j
̂ ̂ ̂
I = Kemunculan pikseli, j
Lanjutan Tabel 5 Gamma
σ = standar deviasi citra awal berpasangan pada simetri GLCM
DN = Digital Number nilai tingkat keabuan citra
Frost et al., 1982 Mansourpour et al., 2009
3.3.2.2 Analisis Tekstur
Analisis tekstur merupakan tahapan terakhir dan tahapan dasar dari pengenalan klasifikasi obyek dalam identifikasi pada citra. Pada penelitian ini
metode analisis tekstur yang dikaji disesuaikan dengan menu tahap penyaringan tekstural yang tersedia pada perangkat lunak ENVI 4,5 dijelaskan pada Tabel 6 di
bawah ini. Tabel 6. Delapan Metode Analisis Tekstur dalam Kajian Penelitian
Nezry et.al., 1994 Ganis Y et.al, 2008
Akkartal dan Sunar, 2008 Septiadi dan Nasution, 2010
Metode Formula
Keterangan Simbol Angular Second
Moment Energy
,
dimana : x : nilai kolom matriks i,j
y : nilai elemen baris i,j : nilai rata-rata elemen
,
: piksel
nilai standar devi asi
,
: elemen
fungsi dari pikse
l tingkat
C d
G pengamatan
N n
: :
: :
:
,
j Contrast
Dissimilarity Entropy
Correlation
Homogeneity Mean
RiP
s
i,j
Variance
Diagram alir dalam tahapan penyaringan data baik secara adaptif maupun tekstur bertujuan untuk menghilangkan noise dari lingkungan. Pembuatan satu
garis training area pada obyek berfungsi menentukan nilai hambur balik obyek pengamatan berupa minyak atau non minyak dengan format data penyimpanan
.txt. Nilai yang telah diperoleh dapat dijadikan acuan dalam segmentasi obyek yaitu dengan menggunakan nilai ambang batas yang telah ditemukan pada sistem
klasifikasi citra secara tidak terbimbing.
3.3.2.3 Klasifikasi Citra Radar ALOS PALSAR
Klasifikasi citra merupakan proses pengelompokan piksel pada suatu citra ke dalam sejumlah kelas, sehingga setiap kelas dapat menggambarkan suatu
entitas dengan ciri-ciri tertentu. Tahapan selanjutnya yaitu penyederhaan untuk menggabungkan kelas-kelas yang tergolong sama. Penggabungan kelas menjadi
golongan yang sama diperoleh dengan menggunakan formula: if i1 ... and i1 ... then 1 else
if i1 ... and i1 ... then 2 else if i1 ... and i1 ... then 3 else
if i1 ... and i1 ... then 4 else if i1 ... and i1 ... then 5 else null
Hasil klasifikasi dapat ditunjukkan dari gradasi warna yang terbentuk yang menunjukkan jenis kelas yang dikelompokkan oleh komputer. Tahapan klasifikasi
citra merupakan tahapan yang membutuhkan ketelitian dalam penentuan nilai selang karena tingkat keakuratan klasifikasi tergantung pada 1 Class pemisahan
kelas Separability, 2 ukuran sampel latihan training sample, 3 jumlah spektral band dan 4 jenis klasifikasi atau fungsi pemisah. Tingkat keakuratan
klasifikasi akan semakin tinggi jika penggunaan nilai parameter kelas semakin tepat, penggunaan class separability semakin bertambah, perbandingan antara
ukuran training sample dengan jumlah spektral band semakin besar dan pemilihan jenis klasifikasi yang tepat Riani, 2009.
3.3.2.4 Pengolahan Data Angin
Angin merupakan faktor lingkungan yang harus diperhatikan sebelum menganalisis data citra yang mengandung informasi mengenai tumpahan minyak.
Tahapan pengolahan angin dibagi menjadi dua tahap yaitu mengolah data angin dengan menggunakan WR Plot serta menggunakan Surfer 9,0.
Data angin yang diperoleh dari hasil download dari www.ecmwf.int
dapat dibaca dengan Ocean Data View ODV. Variabel yang digunakan dalam
membaca data di ODV adalah latitude, longitude, dan waktu, serta menggunakan Use Decimal DateTime
. Untuk melihat data secara keseluruhan pada stasiun tersebut klik menu Export pilih ODV Spreadsheet, simpan dalam bentuk .txt.
Data komponen angin U dan V dalam satuan ms, koordinat longitude dan latitude
, waktu dan nama stasiun dapat dibuka dengan Ms. Excel sehingga menampilkan data untuk tahapan pengolahan di WR Plot. Pengolahan data pada
WR Plot menghasilkan pola arah hembusan angin berupa windrose, grafik maupun tabel sehingga dapat diasumsikan tipe angin musim yang bertiup di suatu
daerah. Pengasumsian tipe angin muson dilakukan dengan melihat pola pergerakan angin yang memiliki kecenderungan ke suatu arah mata angin dan
dilihat pula dengan waktu hembusan angin tersebut. Gambar 8 merupakan langkah pengolahan data dengan WR Plot
.
MULAI
Data arah dan kecepatan angin
Pilih waktu dan lokasi kemudian simpan dengan format .nc Buka data dengan ODV 4, Pilih stasiun yang diamati
Ekspor data .txt Buka data .txt pada excell, konversi data
U dan V menjadi arah dan kecepatan Simpan data: tahun, bulan, tanggal,
jam, arah dan kecepatan .xls Analisis dengan WR Plot
Masukkan data dan sesuaikan cocokan Tahun, Bulan, Tanggal, Jam, wind direction dan wind speed
Masukkan data kemudian simpan dalam format .sam Masukkan data file .sam pada WR Plot
Sesuaikan wind direction menjadi 8 arah, kecepatan menjadi ms atau knott
Simpan gambar wind rose .jpg
STOP
Gambar 8. Diagram Alir Pengolahan Data Angin ECMWF dengan WR Plot Program Surfer 9.0 digunakan untuk visualisasi pola arus permukaan yang
berhembus di suatu wilayah. Komponen yang diperlukan antara lain bujur,lintang, arah angin dan kecepatan arus, kemudian simpan data dalam bentuk .bln pada
lembaran yang baru. Proses gridding data dilakukan untuk menghasilkan file berekstensi .grd. Tampilkan visualisasi dengan menggunakan Map-new 2-
grid vector map . Gambar 9 di bawah merupakan diagram alir pengolahan data
angin.
MULAI
Data arah dan kecepatan angin Pilih waktu dan lokasi kemudian simpan dengan format .nc
Buka data dengan ODV 4, Pilih stasiun yang diamati Ekspor data .txt
Buka data .txt pada excell salin data bujur, lintang, U dan V save .bln
Grid data .bln dan sesuaikan kolom c dengan data U atau V
Plot data hasil grid Map 2 grid vector layer pilih data u.grd
kemudian pilih data v.grd Overlay dengan peta, tambahkan informasi untuk melengkapi peta
Simpan gambar .jpg
STOP
Gambar 9.
Diagram Alir
Pengolahan Data
Angin ECMWF
pada Surfer
9,0
3.3.3 Analisis Data
Analisis data dilakukan secara visual dan digital terhadap hasil pengolahan awal dan akhir. Analisis visual dilakukan terhadap data ALOS PALSAR setelah
nilai digital dikalibrasi dan diterapkan tahap penyaringan berupa filter frost dan gamma
serta pengamatan profil karakteristik nilai hamburan balik untuk tiap kelas tumpahan minyak. Tahap pengolahan data citra radar bertujuan untuk
menghasilkan nilai selang hambur balik obyek yang diamati yang kemudian dijadikan bahan acuan dalam tahap klasifikasi obyek. Nilai hambur balik obyek
diperoleh dari hasil analisis visual citra dan pengamatan nilai hambur balik pada grafik yang diekstrak dari training area pada citra ALOS PALSAR. Analisis
penyebaran tumpahan minyak dilakukan dengan melihat pola sebaran tumpahan minyak pada citra yang didukung oleh data arah serta kecepatan angin rata-rata
mingguan sesuai akuisisi citra.
4. HASIL DAN PEMBAHASAN
