3.5.1 Pengolahan Citra
Pengolahan citra satelit Landsat dilakukan dengan menggunakan software Er Mapper 7, IDRISI Andes15, Global Mapper 12, GarminMapsource5 dan
frame_and_fill_win32. Langkah- langkah pengolahan citra dijabarkan sebagai berikut :
1 Gap and Filling citra tahun 2010 Pada citra tahun 2010 terdapat Stripping berupa garis-garis yang terjadi
karena kegagalan sensor Scan Line Correction SLC pada Satelit Landsat 7 sejak Mei 2003. Oleh karena itu perlu dilakukan teknik tertentu untuk mengisi
kekosongan data pada stripping tersebut. Ada beberapa teknik yang biasa digunakan dalam mengatasi kekosongan data ini, salah satunya adalah teknik
pengisian citra Gap and Filling dengan citra pada tahun yang sama dengan syarat citra pada tahun tersebut berbeda pola stripping-nya dengan citra yang akan
diisi sehingga saling menutupi kekosongan data. Pada penelitian ini, pengisian stripping dilakukan dengan menggunakan software Frame and Fill win32.
Diagram alir pengolahannya dapat dilihat pada Gambar 7. Dalam hal ini, citra dasar adalah citra Landsat ETM+ tanggal 12 Oktober 2010 sedangkan citra
pengisi adalah Landsat ETM+ tanggal 22 Juni 2010. Citra pengisi dapat lebih dari satu sesuai dengan prosedur pengolahan di software Frame and Fill win32.
Semakin banyak citra pengisi maka pemrosesan citra akan semakin lama dengan hasil akan semakin baik. Pada citra hasil pengolahan biasanya masih ada stripping
dan adanya overlapping tumpang tindih yang terjadi antara citra dasar dan citra pengisi yang ditandai dengan garis warna kuning. Cara lain yang juga dapat
dilakukan adalah dengan teknik interpolasi pada titik yang mengalami kekosongan
data. Tetapi data yang dihasilkan dari teknik interpolasi memerlukan penelitian yang lebih lanjut dan kemungkinan tidak dapat diaplikasikan pada semua kajian
ilmu USGS, 2003.
Gambar 7. Diagram alir perbaikan stripping pada citra Landsat ETM+ 2 Koreksi Geometrik
Citra Landsat dikoreksi geometrik dengan metode image to image geometric correction. Citra Landsat tahun akuisisi 1994 dan 1989 dikoreksi
geometrik dengan citra referensi tahun 2010 pada software Er Mapper menggunakan Nearest neighbour resampling dan polynomial tranformation yang
terdapat pada menu rektifikasi Er Mapper. Koreksi geometrik dari kedua citra tersebut menghasilkan Root Mean Square RMS rata- rata yaitu 0.005 pada
Mulai Citra pengisi dan
citra dasar Pemrosesan
dengan Softwareframe
and fill win32 Ok
Citra hasil pengisian
No
Ok Selesai
Tidak
proses rektifikasi citra. Alur kerja koreksi geometrik citra pada software Er Mapper dapat dilihat pada Gambar 8.
Gambar 8. Diagram alir proses koreksi geometrik dengan Er Mapper 3 Koreksi Atmosferik
Citra ±citra digital dipengaruhi oleh kondisi atmosfer, seperti awan, kabut, gas, asap, dan sejenisnya. Pengaruh dari faktor- faktor ini cenderung
menyebabkan naiknya bilangan digital dari unsur spasial tubuh air yang menyebabkan nilai piksel badan air akan lebih besar dari nol, maka untuk
mengeliminasi pengaruh atomosfer ini, perlu dilakukan pengurangan semua Mulai
Proses koreksi geometrik
Input data citra 1989 dan 1994
Geocoding wizard Polynomial
rectification Polynomial
setup : Linear GCP Setup:Geoceded image
Input data citra 2010
GCP Edit Save and
rectification Ok
Tidak
Selesai
bilangan digital dengan nilai digital piksel tubuh air supaya menjadi nol. Dalam penelitian ini dilakukan koreksi atmosferik terhadap citra satelit menggunakan
metode pengurangan nilai digital band citra menggunakan software Er Mapper Prahasta, 2008 yang proses pengolahannya dapat dilihat pada Gambar 9.
Gambar 9. Diagram alir proses koreksi Atmosferik dengan Er Mapper dengan algoritma sebagai berikut:
«««« Sebagai contoh, hasil koreksi atmosferik citra Landsat tahun 1994 dapat
dilihat pada Lampiran 4. Citra hasil koreksi kemudian akan dipotong berdasarkan batas - batas koordinat wilayah kajian penelitian.
IF INPUT1=X THEN NULL ELSE INPUT1-X Mulai
Tampilan citra pada Er Mapper Transform edit limits
Identifikasi actual input limitmin max pada histogram View
Cell value Profile Nilai piksel tubuh air
Masukkan algorithm pada E=mc
2
Citra terkoreksi Selesai
4 Pemotongan Cropping Selanjutnya, citra dipotong cropping menggunakan IDRISI Andes 15
sesuai dengan koordinat wilayah pengecekan di lapangan sehingga menjadi tiga wilayah kajian seperti yang dapat dilihat pada Lampiran 6. Citra dipotong dengan
cara memasukkan nilai koordinat pada modul cropping dengan software IDRISI Andes 15. Cropping dapat dilakukan sekaligus untuk beberapa band dengan
memasukkan band satu persatu atau dengan memasukkan satu citra gabungan dari beberapa band sebagai data input. Setiap wilayah dipotong berdasarkan posisi
geografis yaitu dengan cara memasukkan koordinat wilayah kajian pada pada proses cropping dengan software IDRISI Andes 15. Posisi pemotongan untuk
setiap wilayah kajian diatas dapat dilihat pada tabel 6. Tabel 6. Lokasi dan koordinat wilayah kajian pada 3 tiga kecamatan
Lokasi Koordinat
Kec. Kelapa Kampit 108°0832.27 BT-108°12 3.23 BT
2°3849.83 LS -2°4144.03 LS Kec. Manggar
108°1522.34 BT-108°184.87 BT 2° 496.34 LS -2°5210.19 LS
Kec. Gantung 108°1215.06 BT -108°1441.38 BT
2°5734.67 LS -3°0157.52 LS 5 Transformasi Citra
Citra yang telah dipotong kemudian di tumpang tindih dan ditransformasi menjadi citra komposit maksimum yaitu, band 5 ditumpang tindih dengan band 3,
band 4 ditumpang tindih dengan band 2, dan band 2 ditumpang tindih dengan band 1 yang masing masing menggunakan teknik tumpang tindih maksimum
maximum overlay pada software IDRISI Andes yang dapat dilihat hasilnya pada olahan citra Landsat tahun 2010 seperti pada Gambar 6, 7, dan 8. Kemudian hasil
tumpang tindih digabung menjadi citra komposit RGB maksimum 42, maksimum
53, maksimum 21. Nilai maksimum dari band kanal 5, 4, dan 2 baik untuk pemisahan mangrove dengan objek permukaan bumi lainnya, sedangkan band
kanal 3, 2, dan 1 baik untuk pengamatan vegetasi darat dan perairan. Diagram alir transformasi citra dapat dilihat pada Gambar 10.
Gambar 10. Diagram alir pengerjaan RGB komposit maksimum pada IDRISI Andes 15
Di dalam penelitian ini juga dilakukan transformasi citra menggunakan algorima untuk mendapatkan klasifikasi kelebatan vegetasi. Luas tutupan vegetasi
mangrove di wilayah pesisir Belitung Timur didapatkan dari hasil Clustering pada citra satelit Landsat . Pendekatan yang digunakan termasuk pendekatan statistik
dengan cara mangaplikasikan algoritma untuk menentukan kelebatan vegetasi yaitu Normalized Difference Vegetation Index NDVI Bonfiglio et al. 2002,
Labus et al. 2002 dalam Mutitanon and Tripathi, 2005, yaitu : «««««««««««««««..........«
Persamaan 2 digunakan untuk menghitung indeks vegetasi dari citra Landsat. Kelebatan vegetasi mangrove dibagi menjadi 5 kelas sesuai dengan
pengelompokan kelebatan vegetasi mangrove berdasarkan nilai NDVI Kadi, Citra hasil Cropping
Tumpang tindih overlay maksimum RGB maksimum untuk pasangan pasangan band 42, 53, dan 21
Ok Selesai
Mulai
Tidak
1996 dalam Susilo,2006 yaitu, tidak bervegetasi nilai NDVI0.0001, vegetasi sangat jarang nilai NDVI 0.0001-0.1, vegetasi jarang nilai NDVI 0.1-0.2,
vegetasi sedang nilai NDVI 0.2-0.3, vegetasi lebat nilai NDVI 0.3-0.4, dan vegetasi sangat lebat nilai NDVI 0.4. Pada penelitian ini, digunakan 5 kelas
yaitu, vegetasi tidak lebat, kurang lebat, sedang, lebat, dan sangat lebat dengan mengacu pada range nilai NDVI menurut Kadi 1996 dalam Susilo 2006 .
Kelas tidak bervegetasi tidak digunakan dalam penelitian ini dengan alasan untuk memudahkan pada saat pemisahan wilayah mangrove dengan bukan mangrove.
Selanjutnya setiap kelas dianalisis perubahan luasannya dari tahun ke tahun. Diagram alir transformasi NDVI dapat dilihat pada Gambar 11.
6 Klasifikasi Citra Klasifikasi Citra dilakukan menggunakan metode Iterative self organize
clustering analysis ISOCLUST pada software IDRISI Andes 15 yang merupakan kombinasi antara metode klasifikasi terbimbing supervised dan tak terbimbing
unsupervised. Dengan metode ini, tiga citra hasil tumpang tindih maksimum Mulai
Citra hasil cropping Modul transformasi NDVI
Reclass kategori NDVI
Selesai Tidak
Gambar 11. Diagram alir transformasi NDVI Hasil ok
max53, max42, dan max21 digunakan sebagai input. Kemudian dari data tersebut ditampikan histogram yang menggambarkan kelas- kelas nilai digital dari
piksel dalam citra. Dari histogram tersebut dapat ditentukan jumlah kelas untuk proses klasifikasi dengan metode ISOCLUST pada software IDRISI Andes 15.
Selanjutnya, proses klasifikasi dilakukan pada hasil tampilan citra hasil clustering dengan cara memberikan warna yang sama untuk objek yang sama menggunakan
palette pada IDRISI Andes 15. Citra hasil klasifkasi tidak selalu baik sehingga perlu dilakukan pengulangan dengan menambahkan jumlah kelas yang bertujuan
untuk memisahkan objek dengan lebih akurat. Alur kerja klasifikasi citra dapat dilihat pada Gambar 12.
Selanjutnya hasil ini diklasifikasi ulang pada tool RECLASS menjadi 4 kategori atau kelas Land UseLand Cover LULC yaitu mangrove, non-
mangrove, badan air, dan lahan terbuka, yang dapat dilihat pada Tabel 7. Mulai
Citra Input :RGB komposit maksimum
Hard classifier
ISOCLUST classification Histogram citra
Penetuan jumlah kelas Reclass menggunakan pallete
Ok Selesai
Tidak
Gambar 12. Diagram alir klasifikasi Land UseLand Cover LULC
Tabel 7. Deskripsi kategori LULC yang digunakan dalam klasifikasi Kategori LULC
Definisi Badan Air
Semua badan air yang ukurannya lebih besar dari 1 piksel 0.08 ha
Mangrove Semua jenis vegetasi mangrove Rhizophora
sp, Avicennia sp,Lumnitzera sp, dan lain lain
Non-mangrove Semua vegetasi selain mangrove yang
menutupi suatu lahan
Lahan TerbukaWilayah Perkotaan Wilayah tanpa vegetasi, lahan kosong, lahan
terbangun, pemukiman penduduk, pertambangan, dan industri
Sumber : James et,al ,2007 7 Analisis perubahan LULC Change
Analisis perubahan luas penutupan dan kerapatan mangrove dilakukan menggunakan Modul Land Change Modeler LCM yang terdapat pada Software
IDRISI Andes. LCM digunakan untuk menganalisis beberlajutan ekologis melalui analisis perubahan lahan, proyeksi ke masa depan, dan pendugaan implikasi nya
terhadap perubahan habitat dan biodiversitas mahluk hidup Eastman, 2006. Modul ini menggunakan teknik tumpang tindih overlay dan geoprocessing
substract,intersect, erase dan lain-lain terhadap citra lama dan terbaru sehingga diperoleh citragambar yang menunjukkan perubahan tutupan lahan serta
informasi statistiknya. Analisis Trend juga terdapat pada modul ini sehingga dapat digunakan untuk melihat trend perubahan yang terjadi selama kurun waktu
tertentu, tetapi pada penelitian ini tidak dilakukan analisis trend karena masih perlu pemahaman dan studi lebih lanjut mengenai penggunaan modul ini.Diagram
alir pengolahan data pada modul LCM dapat dilihat pada Gambar 13 dan tampilan Modul LCM dapat dilihat pada Gambar 14.
Gambar 13. Diagram alir analisis data pada Modul LCM
Gambar 14.Tampilan Modul LCM pada software IDRISI Andes 15
3.5.2 Ground Check di Lapangan
Kategori