3.3.1 Ekstraksi Citra
Pengolahan citra diawali dengan dilakukannya koreksi geometrik, radiometrik dan atmosferik untuk mengurangi noise pada data.
Citra MODIS yang sudah terkoreksi kemudian di ekstraksi nilai digitalnya menjadi nilai
radiansi. Ekstraksi citra dibagi menjadi dua yaitu ektraksi untuk estimasi konsentrasi padatan tersuspensi TSS yang akan digunakan untuk pengembangan
model dan ekstraksi klorofil-a. Proses ekstraksi nilai digital menjadi nilai radiansi menggunakan persamaan berikut:
Radiansi = DNScale + Offset……………………………………………. pers.1 Nilai koefisien skala dan offset untuk mengubah digital number DN ke dalam
radiansi dapat dilihat pada Tabel 3. Tabel 3. Nilai koefisien untuk mengubah DN ke radiansi W m
-2
µm
-1
sr
-1
di panjang gelombang sinar tampak dari satelit Terra dan Aqua MODIS Satelit
Kanal -1 merah Kanal - 4 hijau
Kanal - 3 biru Scale
offset Scale
offset Scale
offset Terra
0.0262678 0.0189215
0.0216817 Aqua
0.0286548 0.0188667
0.0219852 Sumber: NASA Goddart Space Flight Center
Nilai ekstrak radiansi citra MODIS untuk TSS digunakan bersama dengan data in situ TSS untuk membuat model algoritma yang sesuai untuk estimasi TSS.
Model percobaan kemudian di uji dengan uji-uji statistik dan diseleksi untuk mencari model algoritma yang paling baik digunakan.
Sebaran klorofil-a dipetakan dengan menggunakan algoritma yang sudah ada yaitu algoritma Wouthuyzen dkk 2006:
y = 250.09x
3
- 106.92x
2
+ 11.781x + 0.0776……………………………… pers.2 dimana: y adalah sebaran klorofil-a
x adalah kromatisiti merah = ND band merahND band merah +
ND band hijau + ND band biru
3.3.2 Pengembangan Model
Pengembangan model empiris pendugaan total padatan tersuspensi dilakukan dengan cara mengkorelasikan nilai ekstrak radiansi citra MODIS pada koordinat
yang sama dengan menggunakan berbagai bentuk persamaan regresi Tabel 4. Pengembangan model algoritma untuk estimasi konsentrasi padatan tersuspensi
perairan dilakukan dengan komposit nilai radiansi pada kanal 1, kanal 3, dan kanal 4 yang dapat menggambarkan distribusi blooming alga Kahru et al. 2005.
Perbandingan radiansi yang digunakan untuk menduga parameter padatan tersuspensi dapat berupa radiansi pada kanal tunggal, rasio antar kanal, ataupun
transformasi kromatisiti antar kanal dari citra MODIS. Berdasarkan Wouthuyzen et al
. 2008 in Lestari 2009, transformasi radiansi pada kanal 1 merah, kanal 4
hijau dan kanal 3 biru pada citra MODIS adalah sebagai berikut: 1. Rasio kanal merah biru =
3 1
kanal kanal
2. Rasio kanal merah hijau = 4
1 kanal
kanal
3. Rasio kanal biru hijau = 4
3 kanal
kanal
4. Kromatisiti merah = 4
3 1
1 kanal
kanal kanal
kanal +
+
5. Kromatisiti biru = 4
3 1
3 kanal
kanal kanal
kanal +
+ 6. Kromatisiti hijau =
4 3
1 4
kanal kanal
kanal kanal
+ +
Persamaan yang akan dicoba untuk membuat model algoritma yaitu bentuk persamaan regresi pada Tabel 4. Variabel x adalah nilai radiansi citra setiap
kanal, sedangkan y adalah nilai konsentrasi padatan tersuspensi pada koordinat dan tanggal yang sama.
Tabel 4. Bentuk Persamaan Regresi No.
Model Persamaan Bentuk Model
1 Linear
y = ax + b 2
Eksponensial y = a exp
bx
3 Polinomial orde 2
y = ax
2
+ bx + c 4
Polinomial orde 3 y = ax
3
+ bx
2
+ cx + d 5
Logaritmik y = alnx + b
6 Power
y = a x
b
Model algoritma yang akan dikembangkan menggunakan persamaan regresi antara konsentrasi TSS in situ dengan nilai radiansi kanal tunggal, rasio antar
kanal, dan transformasi kromatisiti kanal merah, hijau atau biru. Algoritma yang telah dihasilkan selanjutnya diaplikasikan pada citra untuk digunakan dalam
estimasi padatan tersuspensi dan divalidasi dengan nilai in situ. Dari beberapa model algoritma pendugaan nilai TSS yang dihasilkan kemudian dipilih yang
terbaik dengan koefisien determinasi R
2
tertinggi dan RMS error Root mean square error
terkecil, untuk melihat keeratan hubungan antara nilai data in situ dan hasil dugaan. Bila R
2
mendekati +1 hubungan antara kedua peubah tersebut kuat, maka terdapat korelasi yang tinggi antara keduanya. Sebaliknya jika R
2
mendekati nol, hubungan linear keduanya sangat lemah Walpole, 1995.
Sedangkan nilai RMS error yang mendekati nilai nol 0 akan menunjukkan model algoritma semakin baik.
RMS error = 2
2
− −
n dugaan
nilai insitu
nilai …………………………… pers.3
Keterangan: Nilai insitu adalah konsentrasi TSS hasil pengukuran Nilai dugaan adalah konsentrasi TSS hasil pengembangan model
n adalah jumlah data
3.3.3 Pengujian Model