4.5 Analisa Tekstur Data Citra Satelit ALOS PALSAR
Tekstur didefinisikan sebagai distribusi spasial dari derajat keabuan di dalam sekumpulan piksel yang berdekatan dalam proses pengolahan data digital
Ganis Y et.al, 2008. Analisis tekstur merupakan tahapan penting yang perlu dilakukan dalam identifikasi obyek yang berada pada citra. Analisis ini dilakukan
setelah tahapan penyaringan nilai citra atau dikenal sebagai SAR image adaptive speckle filtering
. Nilai koefisien statistik yang dihasilkan pada adaptive speckle filtering
memiliki sifat yang sensitif terhadap pola atau tekstur obyek beserta nilai speckle noise
nya, namun nilai tersebut tidak memberikan informasi yang lebih jelas mengenai tekstur obyek tersebut secara langsung ataupun informasi yang
terbatas mengenai hubungan antara nilai frekuensi tinggi speckle. Selain itu nilai hambur balik yang dihasilkan pada tahapan penyaringan pertama memiliki nilai
selang yang cukup besar, hal ini dapat menjadi halangan dalam penentuan nilai selang antar kelas untuk diaplikasikan dalam tahap klasifikasi obyek tumpahan
minyak. Oleh karena itu tahapan analisa secara statistik tingkat kedua perlu dilakukan demi melengkapi pemulihan nilai hambur balik pada citra radar
termasuk di dalamnya tingkat kekasaran dari obyek yang teramati dan nilai resolusi yang dijadikan sebagai contoh yang berhubungan dengan suatu
fenomena. Analisa tekstur pada citra dapat dikelompokkan ke dalam tiga kategori yaitu
secara struktural, statistika dan gabungan antara struktural dengan statistika Tan, 2001. Metode yang digunakan pada penelitian ini yaitu metode Grey Level Co-
occurence Matrix GLCM dimana matrix ini memiliki elemen-elemen yang
berasal dari penjumlahan beberapa pasang pixel yang memiliki tingkat kecerahan tertentu
yang terpisah dengan jarak d dan dengan sudut inklinasi Ө.
Penelitian mengenai matriks GLCM telah dilakukan oleh beberapa peneliti terdahulu diantaranya Nezry et.al, 1994; Septiadi dan Nasution, 2010 serta
Purnomo A dan Puspitodjati, 2009, yang dibagi menjadi sembilan belas macam metode analisis tekstur untuk mengklasifikasikan obyek pada citra. Namun
analisis tekstural citra yang diuji cobakan pada citra RADAR ALOS PALSAR kali ini sebanyak delapan macam antara lain i Second Moment, ii Contrast, iii
Correlation, iv Dissimilarity, v Entropy,vi Homogeneity, vii Mean dan viii
Variance. Setiap metode penyaringan memiliki keunikan dan batasan masing –
masing oleh karena itu penentuan jenis penyaringan yang akan digunakan dipengaruhi oleh kebutuhan peneliti akan data secara spesifik dan karakteristik
dari data olahan. Suatu teknik penyaringan dapat digolongkan sebagai teknik yang baik untuk digunakan apabila hasil olahan teknik tersebut dapat mengurangi
speckle noise tanpa menghilangkan batas tepi, informasi struktur dari obyek yang
diamati dan tanpa mengubah pola nilai hambur balik obyek pengamatan. Speckle noise
merupakan sebuah permasalahan paling utama dalam data citra SAR karena hal ini dapat mengurangi kualitas gambar secara serius sehingga dapat
menghambat peneliti dalam menentukan nilai selang hambur balik obyek. Data citra yang dijadikan acuan dalam tahap pengolahan data analisis tekstur
merupakan data citra hasil penyaringan gamma 7x7 tipe polarisasi HH. Gambar 18 di bawah ini menampilkan visualisasi hasil penyaringan citra dengan analisis
tekstur dengan delapan metode yang berbeda .
Second Moment Contrast
Correlation
Dissimilarity Entropy
Homogeneity
Mean Variance
Gambar 18. Perbandingan Tampilan Visual Citra Hasil Analisis Tekstural GLCM Gambar 18 di atas menampilkan hasil pengolahan tekstur citra dengan
obyek yang sama namun menghasilkan visualisasi yang berbeda. Tujuan utama dalam tahap penyaringan analisis tekstur GLCM yaitu untuk mengurangi speckle
noise pada citra tanpa menghilangkan batas tepi, informasi struktur dari obyek
yang diamati dan tanpa mengubah pola nilai hambur balik obyek pengamatan. Berdasarkan delapan macam GLCM yang telah diuji cobakan dalam penelitian ini
dapat dilihat terdapat dua macam analisis tekstur yang diasumsikan menghasilkan
tampilan citra visual terbaik yang menyerupai tampilan awal citra radar sebelum mengalami pengolahan, yaitu analisis tekstur correlation dan mean. Analisis
correlation digunakan untuk mengukur tingkat ketergantungan linier derajat
keabuan dari piksel yang saling bertetangga. Sedangkan analisis nilai tengah mean berguna untuk menampilkan nilai tengah transisi pada visualisasi tekstur
yang menjelaskan nilai level keabuan pada citra. Namun dalam penetuan analisis tekstural yang akan digunakan untuk diekstrak nilai hambur balik yang disimpan
tiap pikselnya tidak hanya dilihat dari tingkat kemiripan visualisasi citra namun juga hasil statistik pada grafik dengan nilai hambur balik obyek sebagai informasi
utama. Oleh karena itu pada penelitian ini juga ditampilkan gambar grafik nilai hambur balik hasil pengolahan analisis tekstur dengan delapan macam metode
yang ditunjukkan pada Gambar 19 dan 20 di bawah ini. Nilai hambur balik yang ditampilkan pada grafik di bawah ini merupakan salah satu contoh hasil ekstraksi
data pada obyek yang diasumsikan sebagai minyak ringan. Penentuan tipe analisis tekstur yang akan digunakan dalam tahap pengolahan data dapat dilakukan
apabila peneliti melakukan perbandingan dan pengamatan pola grafik intensitas nilai hambur balik yang dihasilkan dari tiap-tiap metode analisis tekstur dengan
pola grafik nilai hambur balik yang dihasilkan dari ekstrasksi citra tahap penyaringan gamma 7x7. Tahap ini dilakukan agar dapat dilihat bahwa fungsi dari
pengolahan analisis tekstur tidak mengubah nilai intensitas hambur balik obyek yang tersimpan dalam citra sehingga meminimalisir adanya kesalahan dalam
interpretasi obyek.
Gambar 19. Perbandingan Tampilan Grafik Nilai Hambur Balik Analisis Tekstural GLCM Second Moment, Contrast, Correlation, dan Dissimilarity
Gambar 20. Perbandingan Tampilan Grafik Nilai Hambur Balik Analisis Tekstural GLCM Entropy, Homogeneity, Mean, dan Variance
Gambar 19 dan 20 di atas menunjukkan grafik nilai hambur balik obyek yang diasumsikan sebagai minyak ringan pada citra dengan analisis tekstur.
Berdasarkan perbandingan pola grafik nilai hambur balik pada Gambar 19 dan 20, dapat dilihat bahwa nilai hambur balik yang ditampilkan pada analisis tekstur
mean memiliki pola nilai hambur balik serupa dengan pola nilai hambur balik
hasil penyaringan data citra gamma 7x7. Pola serupa pada grafik GLCM mean menunjukkan bahwa nilai hambur balik yang dianalisis tidak mengalami
perubahan informasi obyek. Sedangkan grafik yang dihasilkan oleh correlation GLCM memiliki tampilan statistik dan pola yang berbeda dengan hasil
penyaringan gamma 7x7. Berdasarkan hasil visualisasi dan grafik analisis tekstur, diputuskan data citra yang akan dijadikan acuan dalam ekstraksi nilai hambur
balik untuk dijadikan nilai selang klasifikasi adalah citra dengan hasil pengolahan analisis tekstur GLCM mean.
4.6 Klasifikasi Obyek Minyak dan