Penajaman citra untuk karakteristik dasar perairan Penajaman citra untuk klorofil perairan Penajaman citra untuk muatan padatan tersuspensi Pemetaan kawasan mangrove

DN i,j,koutput terkoreksi = DN i,j,kinput asli -bias Koreksi geometrik bertujuan untuk memperbaiki distorsi posisi atau letak objek. Distorsi ini dihasilkan oleh faktor seperti variasi tinggi satelit, ketegakkan dan kecepatan satelit Lillesand dan Kiefer, 1990. Koreksi geometrik dilakukan dengan dua langkah, yaitu: transformasi koordinat transformation geometric dan resampling . Transformasi koordinat dilakukan dengan Ground Control Point GCP pad output citra yang baru. GCP harus mempunyai sifat geometrik yang tetap pada lokasi yang dapat diketahui dengantepat. Proses penerapan alih ragam geometrik terhadap data asli disebut resampling. Setelah koreksi geometrik dilakukan maka didapat citra yang sesuai dengan posisi sebenarnya di bumi.

3.4.2. Penajaman citra

Proses penajaman citra merupakan proses penggabungan informasi dari citra secara spektral melalui band ratioing menghitung perbandingan nilai digital piksel setiap band.

3.4.2.1. Penajaman citra untuk karakteristik dasar perairan

Untuk penggambaran karakteristik perairan dangkal digunakan model algoritma yang berasal dari penurunan persamaan ’Standard Exponential Attenuation Model’ oleh Green et. all., 2001. Algoritma tersebut menggunakan band 3 dan band 2 dari citra Formosat-2 . Dasar penggunaan band 3 dan band 2 yaitu karena kedua band ini memiliki penetrasi yang baik ke dalam kolom air. Algoritma tersebut yaitu : Y = ln K1 - kikjln K2 Keterangan : K1 = Kanal band 3 dari Formosat - 2 K2 = Kanal band 2 dari Formosat - 2 Kikj = Koefisien attenuasi, yang diperoleh dari :

3.4.2.2. Penajaman citra untuk klorofil perairan

Klorofil merupakan indikator yang baik bagi ketersediaan makanan pada trofik level yang lebih tinggi, karena konsentrasi klorofil menentukan besarnya produktivitas primer perairan Susilo, 2000. Dalam penentuan sebaran spasial klorofil perairan digunakan kombinasi dari band 3 dan band 4. Algoritma yang digunakan dalam penentuan konsentrasi klorofil yaitu Wibowo et al.,1994 in Susilo, 2000 : C = 2,41K1 K2 + 0,187 Keterangan : C = Konsentrasi klorofil-a mgl K1 = Kanal band 1 dari Formosat - 2 K2 = Kanal band 2 dari Formosat - 2

3.4.2.3. Penajaman citra untuk muatan padatan tersuspensi

Informasi sebaran muatan padatan tersuspensi di perairan diperoleh menggunakan formula Hasyim et al., 1997 yang telah digunakan oleh LAPAN 2004 dalam pemetaan muatan padatan tersuspensi perairan di Situbondo. Algoritma ini menggunakan kombinasi dari band 2 dan band 1 Formosat - 2. Algoritma tersebut yaitu : MPTmgl = 100.6678 + 5.5085K3 + 0.4563K3 2 + 0.9775K2K3 Keterangan : MPTmgl = Muatan Padatan Tersuspensi mgl K3 = Kanal band 1 dari Formosat - 2 K2 = Kanal band 2 dari Formosat - 2

3.4.2.4. Pemetaan kawasan mangrove

Pemetaan kawasan mangrove di daerah perairan pulau Karang Lebar dan Congkak melalui citra Formosat didasarkan pada sifat penting mangrove yaitu, mangrove mempunyai zat hijau daun klorofil dan mangrove tumbuh dipesisir. Sifat optik klorofil sangat khas yaitu bahwa klorofil menyerap spectrum sinar merah dan memantulkan dengan kuat spectrum inframerah Susilo,2000. Klasifikasi daerah mangrove pada citra dilakukan melalui training area pada daerah yang dibuat komposit RGB 423. Metode Maximum Likehood merupakan salah satu metode klasifikasi digital yang terseliaterbimbing Supervised. Penulis menggunakan metode ini karena metode ini merupakan metode yang terbaik dibandingkan yang lain Parallepiped dan Minimum Distance. Metode Maximum Likehood atau peluang maksimum atau kemiripan maksimum meganalisis fungsi peluang multidimensional untuk menentukan suatu piksel tertentu lebih berpeluang masuk ke dalam kelas tertentu. Training area atau daerah contoh untuk setiap kelas ini akan ditentukan nilai-nilai statistiknya, sehingga dapat digunakan sebagai acuan dalam klasifikasi seluruh daerah yang ada pada citra. Vegetasi akan terlihat berwarna merah tua pada komposit RGB 423, sehingga dapat dengan mudah di-training dan terbentuklah kelas mangrove sebagai dasar analisis selanjutnya.

3.4.3. Klasifikasi citra