Implementation of Empirical Mode Decomposition (EMD) on SPOT Vegetation Image Data
IMPLEMENTASI EMPIRICAL MODE DECOMPOSITION (EMD)
PADA DATA CITRA SPOT VEGETATION
MITHA RACHMAWATI
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2012
IMPLEMENTASI EMPIRICAL MODE DECOMPOSITION (EMD)
PADA DATA CITRA SPOT VEGETATION
MITHA RACHMAWATI
Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Komputer pada
Departemen Ilmu Komputer
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2012
ABSTRACT
MITHA RACHMAWATI. Implementation of Empirical Mode Decomposition (EMD) on SPOT
Vegetation Image Data. Supervised by HARI AGUNG ADRIANTO.
Land cover can be monitored by using recording devices, such as SPOT Vegetation sensor.
Recorded values are not only obtained from objects on earth surface, but also retrieved from
particles in the atmosphere. This phenomenon is known as noise. Normally, land cover change is
relatively slow and will establish a pattern. This study will try to implement the Empirical Mode
Decomposition (EMD) to identify errors caused by the noise at a specific frequency range of the
signal. Another objective of this study is to determine whether the method can show patterns of
land cover classification. In EMD method, the signal will be decomposed into two parts, namely
Intrinsic Mode Function (IMF) and residue. The input signal is divided into three classes, namely
water, vegetation, and artificial structure. The result of this study indicates that EMD method can
identify errors caused by atmospheric scattering at a specific frequency range of the signal.
Moreover, this method can also show the pattern of land cover classification based on amplitude.
Keywords: Empirical Mode Decomposition (EMD), Intrinsic Mode Function (IMF), land cover
Judul Skripsi : Implementasi Empirical Mode Decomposition (EMD) pada Data Citra SPOT
Vegetation
Nama
: Mitha Rachmawati
NRP
: G64080072
Menyetujui:
Pembimbing
Hari Agung Adrianto, S.Kom, M.Si
NIP. 19760917 200501 1 001
Mengetahui:
Ketua Departemen Ilmu Komputer
Dr. Ir. Agus Buono, M.Si, M.Kom
NIP. 19660702 199302 1 001
Tanggal Lulus :
KATA PENGANTAR
Segala puji bagi Allah subhanahu wata’ala atas segala limpahan rahmat serta karunia-Nya
sehingga penulis mampu menyelesaikan penelitian dengan baik. Shalawat dan salam penulis
sampaikan kepada Nabi Muhammad shallallahu ‘alaihi wasallam serta kepada keluarganya,
sahabatnya, serta para pengikutnya yang selalu berpegang kepada Al-Quran dan As-Sunnah.
Penulis juga menyampaikan terima kasih kepada seluruh pihak yang telah berperan dalam
penelitian ini, antara lain:
1 Ayahanda Achmad Miftah, Ibunda Sumarheni, Kakak Ika Putri Aprilia, serta Adik Lukmanul
Hakim atas doa, kasih sayang, dukungan, serta motivasi kepada penulis untuk penyelesaian
penelitian ini.
2 Bapak Hari Agung Adrianto, S.Kom, M.Si selaku dosen pembimbing yang telah memberi
banyak ide, saran, bantuan, serta dukungan sampai selesainya penelitian ini.
3 Ragil Budi Haryoko atas doa, nasihat, dukungan, serta motivasi kepada penulis untuk
penyelesaian penelitian ini.
4 Rekan-rekan seperjuangan di Ilmu Komputer IPB angkatan 45 atas segala kebersamaan,
bantuan, dukungan, serta kenangan bagi penulis selama menjalani masa studi. Semoga kita bisa
berjumpa kembali kelak sebagai orang-orang sukses.
5 Fania Rahmanawati K, Susi Handayani, Putri Dewi PS, Siska Susanti, Brenda Kristi, Ardini
Sri Kartika, dan sahabat lainnya yang telah menjadi mitra dan menemani penulis dalam
menjalani kehidupan sebagai mahasiswa.
6 Rekan satu bimbingan, Sri Rahayu (Chichi), semoga lancar dalam melanjutkan penelitiannya.
7 Sahabat satu asrama, Shinta Anggraini, Sherly Adika Sari, dan Hikma Nadiatul Husna, yang
telah memberikan dukungan untuk segera menyelesaikan studi.
Penulis berharap penelitian ini dapat memberikan manfaat, khususnya bagi umat Islam di
Indonesia dan masyarakat pada umumnya.
Bogor, Desember 2012
Mitha Rachmawati
RIWAYAT HIDUP
Mitha Rachmawati dilahirkan di Jakarta pada tanggal 29 Juli 1990 dan merupakan anak
kedua dari tiga bersaudara dengan ayah bernama Achmad Miftah dan ibu bernama Sumarheni.
Pada tahun 2008, penulis lulus dari SMA Negeri 63 Jakarta dan diterima di Program Studi Ilmu
Komputer, Fakultas Matematika dan Imu Pengetahuan Alam, Institut Pertanian Bogor melalui
jalur Undangan Seleksi Masuk IPB (USMI).
Pada bulan Juli-Agustus 2011 penulis melaksanakan kegiatan Praktik Kerja Lapangan di Pusat
Penelitian dan Pengembangan Teknologi Minyak dan Gas Bumi (PPPTMGB) “LEMIGAS” Divisi
Penginderaan Jauh dan Sistem Informasi Geografis (SIG). Selama aktif sebagai mahasiswa,
penulis pun turut aktif dalam kegiatan keorganisasian di Departemen Ilmu Komputer, yaitu
Himpunan Mahasiswa Ilmu Komputer (HIMALKOM) IPB, serta mengikuti beberapa kegiatan
kepanitian, yaitu Masa Perkenalan Departemen (MPD), IT Today 2009 dan IT Today 2010.
Penulis pun bergabung dalam Komunitas CG dan FOKERZ pada Himpunan Mahasiswa Ilmu
Komputer IPB.
DAFTAR ISI
Halaman
DAFTAR TABEL ............................................................................................................................ vi
DAFTAR GAMBAR ....................................................................................................................... vi
DAFTAR LAMPIRAN .................................................................................................................... vi
PENDAHULUAN
Latar Belakang............................................................................................................................. 1
Tujuan .......................................................................................................................................... 1
Ruang Lingkup ............................................................................................................................ 1
TINJAUAN PUSTAKA
Tutupan Lahan (Land Cover) ...................................................................................................... 2
Penginderaan Jauh ....................................................................................................................... 2
Satelit SPOT ................................................................................................................................ 3
Empirical Mode Decomposition (EMD)...................................................................................... 3
METODE PENELITIAN
Pengumpulan Data ....................................................................................................................... 4
Pengolahan Data .......................................................................................................................... 6
Implementasi EMD ..................................................................................................................... 6
Hasil dan Pembahasan ................................................................................................................. 6
HASIL DAN PEMBAHASAN
Koleksi Dokumen ........................................................................................................................ 7
Pemilihan Lokasi Contoh ............................................................................................................ 7
Accessing Image Elements........................................................................................................... 7
Analisis Hasil Output................................................................................................................... 7
SIMPULAN DAN SARAN
Simpulan .................................................................................................................................... 16
Saran .......................................................................................................................................... 16
DAFTAR PUSTAKA ..................................................................................................................... 16
LAMPIRAN .................................................................................................................................... 17
v
DAFTAR TABEL
Halaman
1 Karakteristik SPOT-4 HRVIR .................................................................................................... 3
2 Titik koordinat lokasi contoh ...................................................................................................... 7
DAFTAR GAMBAR
Halaman
1 Kurva pantulan spektral untuk objek vegetasi, lahan kering, dan tumbuhan (Lillesand dan
Kiefer 1997)................................................................................................................................. 2
2 Langkah-langkah mengidentifikasi IMF pertama (Peel et al. 2005). .......................................... 5
3 Proses dekomposisi EMD hingga mendapatkan residu (Peel et al. 2005). ................................. 5
4 Metode Penelitian. ....................................................................................................................... 6
5 Identifikasi nilai ekstrim. ............................................................................................................. 8
6 Hasil identifikasi maksima dan minima dari sinyal masukan kelas vegetasi. ............................. 9
7 Hasil identifikasi maksima dan minima dari sinyal masukan kelas struktur buatan. .................. 9
8 Pembuatan envelope atas dan envelope bawah.......................................................................... 10
9 Perhitungan rata-rata envelope. ................................................................................................. 10
10 Hasil perhitungan envelope atas dan bawah dari sinyal masukan kelas vegetasi. ..................... 10
11 Hasil perhitungan envelope atas dan bawah dari sinyal masukan kelas struktur buatan. .......... 11
12 Hasil perhitungan rata-rata envelope dari sinyal masukan kelas vegetasi. ................................ 11
13 Hasil perhitungan rata-rata envelope dari sinyal masukan kelas struktur buatan. ..................... 12
14 Proses perhitungan dekomposisi sinyal. .................................................................................... 12
15 IMF pertama sampai dengan residu dari sinyal kelas vegetasi. ................................................. 13
16 IMF pertama sampai dengan residu dari sinyal kelas struktur buatan. ...................................... 14
17 Sinyal masukan kelas perairan. ................................................................................................. 15
DAFTAR LAMPIRAN
Halaman
1
2
3
4
5
6
7
8
9
10
Data citra SPOT Vegetation ...................................................................................................... 18
Contoh data dengan format HDF .............................................................................................. 19
Pemilihan lokasi contoh ............................................................................................................ 20
Tabel pengurutan nilai derajat keabuan lokasi contoh .............................................................. 21
Tabel IMF pertama sampai dengan residu wilayah Sumatera Selatan ...................................... 22
Tabel IMF pertama sampai dengan residu wilayah Kalimantan Tengah .................................. 23
Tabel IMF pertama sampai dengan residu wilayah Irian Jaya Timur ....................................... 24
Tabel IMF pertama sampai dengan residu wilayah Medan ....................................................... 25
Tabel IMF pertama sampai dengan residu wilayah Jakarta....................................................... 26
Tabel IMF pertama sampai dengan residu wilayah Makassar ................................................... 27
vi
1
PENDAHULUAN
Latar Belakang
Penutupan lahan (land cover) terkait
dengan segala jenis kenampakan yang ada di
permukaan bumi. Definisi penutupan lahan
(land use) sendiri dipisahkan dari definisi
penggunaan lahan yang lebih terkait dengan
kegiatan manusia pada objek tersebut
(Lillesand dan Kiefer 1997).
Tutupan lahan dapat dipantau dengan
menggunakan alat perekam berupa sensor,
salah satunya ialah sensor citra SPOT
Vegetation. Tutupan lahan baik bervegetasi
maupun tidak pada dasarnya merupakan data
berbasis spasial. Data spasial mempunyai
pengertian sebagai suatu data yang mengacu
pada posisi, objek, dan hubungan di antaranya
dalam ruang bumi. Pemantauan data spasial
umumnya dilakukan dengan metode dan data
spasial
yang
diturunkan
dari
citra
penginderaan jauh. Sebagian besar data citra
diakuisisi dalam periode tertentu. Dalam
akuisisi citra tersebut, karakteristik resolusi
spasial dan temporal citra umumnya
berbanding terbalik. Citra dengan resolusi
temporal tinggi umumnya memiliki resolusi
spasial lebih rendah, demikian sebaliknya.
mendekomposisikan
sinyal
berdasarkan
amplitudo dan frekuensi sinyal informasi pada
saat tertentu. EMD dirancang untuk
mengidentifikasi
ketika
pada
rentang
frekuensi sinyal terdapat kesalahan akibat
adanya noise. Pada metode EMD sinyal akan
terurai menjadi dua bagian yaitu Intrinsic
Mode Function (IMF) dan komponen sisa
(residu). Perhitungan dilakukan berulangulang hingga didapatkan nilai IMF yang
optimal dan komponen sisa (residu) yang
konstan atau monoton.
Di sisi lain, Panuju et al. (2009)
melakukan penelitian untuk mempelajari pola
musiman pada data tutupan lahan bervegetasi
dari data NDVI SPOT Vegetation. Penelitian
tersebut menggunakan metode X12ARIMA.
Hasil dari penelitian tersebut menunjukkan
bahwa adanya pola musiman dari pola deret
waktu data NDVI SPOT Vegetation. Sebagian
besar wilayah contoh dari sebaran tutupan
lahan merupakan kawasan hutan, ladang, dan
kebun. Selebihnya dalam proporsi yang sangat
kecil yaitu badan air dan urban. Nilai indeks
vegetasi cenderung tinggi pada bulan Juni
sampai dengan Agustus dan cenderung rendah
pada bulan Desember sampai dengan
Februari.
Laju perubahan permukaan bumi yang
setiap saat semakin cepat mengharuskan
adanya data yang lebih baru lagi sehingga
satelit melakukan perekaman kembali pada
daerah yang dibutuhkan. Saat pengambilan
citra oleh satelit, banyak sekali pengaruhpengaruh alam yang menyebabkan hasil
pencitraan
sedikit
terganggu,
seperti
hamburan atmosfer. Hamburan ini disebabkan
oleh adanya partikel-partikel di atmosfer yang
memberikan efek hamburan yang berpengaruh
pada hasil citra. Fenomena ini biasa disebut
dengan
noise.
Pengaruh
noise
ini
menyebabkan nilai indeks pada citra menjadi
lebih besar (akibat hamburan) atau lebih kecil
(akibat proses penyerapan). Nilai indeks
tersebut menggambarkan ukuran kuantitas
fisik yang merupakan pantulan atau pancaran
radiasi matahari dari suatu objek dengan
panjang gelombang tertentu yang diterima
oleh sensor. Salah satu metode yang dapat
menganalisis kesalahan akibat adanya noise
pada rentang frekuensi sinyal tertentu adalah
EMD.
Penelitian kali ini akan mencoba
mengimplementasikan metode EMD, yang
diperkenalkan oleh Huang et al. (1998), untuk
mengidentifikasi citra SPOT Vegetation
apabila terdapat kesalahan akibat terpengaruh
hamburan atmosfer. Selain itu, untuk
mengetahui apakah metode tersebut dapat
menunjukkan pola yang terbentuk dari
pengklasifikasian tutupan lahan, seperti yang
telah dilakukan dalam penelitian Panuju et al.
(2009) dengan menggunakan X12ARIMA.
Huang et al. (1998) memperkenalkan
sebuah
metode,
Empirical
Mode
Decomposition
(EMD),
yang
dapat
menganalisis data time series yang dapat
1 Data yang digunakan merupakan data citra
SPOT Vegetation yang diperoleh dari hasil
download dari situs distribusi data SPOT
Tujuan
Tujuan dari penelitian tugas akhir ini ialah
mengimplementasikan
EMD
untuk
mengidentifikasi apabila terdapat kesalahan
akibat terpengaruh hamburan atmosfer. Selain
itu, untuk mengetahui apakah terdapat pola
yang terbentuk dari pengklasifikasian tutupan
lahan dalam rentang satu tahun pada suatu
data citra SPOT Vegetation.
Ruang Lingkup
Ruang lingkup penelitian ini ialah:
2
Vegetasi yang tersedia
(http://free.vgt.vito.be/).
secara
gratis
2 Data citra SPOT Vegetation yang
digunakan memiliki format Hierarchical
Data Format (HDF) dan region of interest
(ROI) yang dipilih ialah Asian-Island.
3 Data citra SPOT Vegetation yang
digunakan merupakan hasil synthesis
product data 10 harian citra SPOT
Vegetation dengan resolusi spasial 1 km.
TINJAUAN PUSTAKA
Tutupan Lahan (Land Cover)
Penutupan lahan (land cover) menurut
Lillesand dan Kiefer (1997) terkait dengan
segala jenis kenampakan yang ada di
permukaan bumi. Definisi penutupan lahan
(land use) sendiri dipisahkan dari definisi
penggunaan lahan yang lebih terkait dengan
kegiatan manusia pada objek tersebut.
Pengetahuan
tentang
penutupan
dan
penggunaan lahan penting artinya dalam
perencanaan, pengelolaan, pemodelan, dan
pemahaman tentang sistem kebumian.
Analisis penggunaan lahan sejak 1940-an
menurut Lillesand dan Kiefer (1997)
umumnya menggunakan citra pankromatik,
skala medium foto udara. Saat ini, foto udara
skala kecil dan citra satelit telah digunakan
dalam skala yang luas.
Penginderaan Jauh
Penginderaan jauh berasal dari kata
Remote Sensing yang memiliki pengertian
bahwa penginderaan jauh merupakan suatu
ilmu dan seni untuk memperoleh informasi
tentang suatu objek, daerah, atau fenomena
melalui analisis data yang diperoleh dengan
suatu alat tanpa kontak langsung dengan
objek, daerah, atau fenomena yang dikaji
(Lillesand dan Kiefer 1997).
Teknologi penginderaan jauh sangat
bergantung pada pantulan spektral dan
panjang gelombang yang dapat menunjukkan
dan membedakan material tutupan lahan,
misalnya air, lahan kering, dan tumbuhan.
Spektral adalah daya pisah objek berdasarkan
besar spektrum elektromagnetik yang
digunakan untuk perekaman data dan
mempengaruhi besarnya derajat keabuan.
Pada Gambar 1, terdapat hubungan antara
pantulan spektrum (reflectance %) terhadap
panjang gelombang (wavelenght μm) yang
menunjukkan jenis tutupan lahannya. Garis
pada kurva tersebut menyajikan kurva
pantulan rata-rata yang dibuat dengan
pengukuran sampel objek yang jumlahnya
banyak. Air memiliki reflektansi spektral
terendah ( 0.3
% Mengidentifikasi seluruh maxima dan minima
d = diff(h); % approximate derivative
maxmin = []; % untuk menyimpan nilai optimum
for i = 1:N-2
if d(i) == 0 || sign(d(i))== sign(d(i+1))
maxmin = [maxmin];
elseif sign(d(i)) ~= sign(d(i+1))
maxmin = [maxmin, i+1];
end
end
% Ekstrak detail
prevh = h;
h = h - m;
% Kriteria utk menghentikan proses iterasi
eps = 0.01; % digunakan utk menghindari nilai nol
SD = sum(((prevh-h).^2) ./ (prevh.^2+eps));
end
imf = [imf; h];
if size(maxmin, 2) < 2
break
end
% membagi maxmin menjadi max & min
if maxmin(1)>maxmin(2)
max = maxmin(1:2:length(maxmin));
min = maxmin(2:2:length(maxmin));
else
max = maxmin(2:2:length(maxmin));
min = maxmin(1:2:length(maxmin));
end
if size(maxmin, 2) < 2
break
end
c = c - h;
end
end
Gambar 14 Proses perhitungan dekomposisi sinyal.
13
(a) Sumatera Selatan
(b) Kalimantan Tengah
(c) Irian Jaya Timur
Gambar 15 IMF pertama sampai dengan residu dari sinyal kelas vegetasi.
14
(a) Medan
(b) Jakarta
(c) Makassar
Gambar 16 IMF pertama sampai dengan residu dari sinyal kelas struktur buatan.
15
Untuk kelas perairan, yang terdiri atas
wilayah Laut Jawa, Laut Flores, dan Laut
Banda, karena masing-masing lokasi contoh
hanya memiliki nilai indeks baris dan kolom 0
(nol) sehingga tidak dapat dilakukan proses
EMD. Ketika sinyal masukan tidak dapat
dilakukan proses EMD, IMF pun tidak dapat
dihasilkan. Nilai indeks yang dimiliki oleh
masing-masing lokasi contoh dari kelas
perairan tidak mengalami perubahan, yang
dikarenakan air memiliki reflektansi spektral
yang terus menurun dari spektrum biru sampai
dengan spektrum inframerah dekat. Nilai
pantulan air pada spektrum merah hampir
mendekati nol karena hampir seluruh energi
pada spektrum tersebut terserap oleh air. Hal
ini dipengaruhi oleh kedalaman air serta
keberadaan
dan
tingkat
konsentrasi
kandungan suspensi material organik dan
anorganik pada air. Dari Gambar 17 yang
merupakan gambar sinyal masukan kelas
perairan, dapat dilihat bahwa grafik yang
dihasilkan konstan atau monoton.
Gambar 17 Sinyal masukan kelas perairan.
Berdasarkan hasil dari proses EMD untuk
kelas vegetasi dan struktur buatan, pada kelas
vegetasi untuk masing-masing lokasi contoh
menghasilkan lima level EMD, yaitu IMF
pertama sampai dengan IMF keempat
ditambah dengan komponen sisa (residu). Di
sisi lain, untuk kelas struktur buatan, terdapat
dua lokasi contoh yang menghasilkan empat
level EMD, yaitu IMF pertama sampai dengan
IMF ketiga ditambah dengan komponen sisa
(residu). Lokasi contoh tersebut merupakan
wilayah Medan dan Makassar. Untuk kelas
struktur buatan dengan lokasi contoh wilayah
Jakarta menghasilkan enam level EMD, yaitu
IMF pertama sampai dengan IMF kelima
ditambah dengan komponen sisa (residu).
Pada hasil proses EMD sebelumnya, dapat
dilihat terjadi instabilitas nilai indeks pada
masing-masing lokasi contoh untuk kelas
vegetasi dan struktur buatan. Nilai indeks
pada masing-masing kelas contoh terjadi
perubahan yang cukup drastis yaitu menjadi
lebih besar atau lebih kecil. Perubahan
tersebut dapat dilihat pada Lampiran 5,
Lampiran 6, Lampiran 7 untuk kelas vegetasi
dan Lampiran 8, Lampiran 9, Lampiran 10
untuk kelas struktur buatan.
Perubahan nilai indeks citra menjadi lebih
besar
dikarenakan
adanya
hamburan.
Hamburan mengakibatkan terjadinya berbagai
pembelokan arah pancaran gelombang
elektromagnetik dari jalurnya. Hamburan
dapat disebabkan oleh adanya kabut, debu,
asap, uap air, ozon, dan lain sebagainya.
Sebaliknya, perubahan nilai indeks citra
menjadi lebih kecil dikarenakan adanya proses
penyerapan.
Penyerapan
menimbulkan
pemindahan
energi
dari
gelombang
elektromagnetik ke partikel atmosfer penyerap
gelombang tersebut. Nilai serapan banyak
dipengaruhi oleh sifat objek atau benda. Pada
benda hitam, nilai serapan lebih besar dari
pada nilai energi yang dipantulkan.
Kebalikannya, pada benda putih, nilai energi
yang diserap lebih sedikit daripada energi
yang dipantulkan.
Dari hasil penelitian yang telah dilakukan
oleh Panuju et al. (2009), hasil penelitian ini
juga dapat menunjukkan pola yang
mengindikasikan perbedaan antara kelas data
di antara gejolak naik turunnya sinyal.
Perbedaan antara kelas data terletak pada nilai
maksimum dan minimum amplitudo selama
satu tahun. Bila diamati dari hasil IMF
terakhir yang dihasilkan oleh masing-masing
lokasi contoh, untuk lokasi contoh kelas
vegetasi menghasilkan amplitudo antara -100
sampai dengan 100, sedangkan lokasi contoh
kelas struktur buatan menghasilkan amplitudo
antara -50 sampai dengan 50. Kurva untuk
kelas struktur buatan menunjukkan sedikitnya
variasi nilai amplitudo dari kelas vegetasi. Hal
ini dikarenakan jumlah tenaga yang diterima
oleh setiap objek berbeda-beda. Selain itu,
faktor-faktor yang mempengaruhi pantulan
spektral struktur buatan mungkin kurang
spesifik bagi saluran tertentu. Penelitian ini
hanya dapat membedakan antara kelas data
saja, sedangkan penelitian yang dilakukan
oleh Panuju et al. (2009) tidak hanya dapat
membedakan antar kelas tetapi juga dapat
menunjukkan pola musiman data tersebut.
16
SIMPULAN DAN SARAN
Simpulan
Hasil penelitian ini menunjukkan bahwa:
1 Telah diperkenalkan suatu metode EMD
dan penerapannya pada data citra SPOT
Vegetation telah dibahas.
2 EMD dapat mengidentifikasi apabila
terdapat kesalahan akibat terpengaruh
hamburan atmosfer pada rentang frekuensi
sinyal tertentu.
3 EMD juga dapat menunjukkan pola
pengklasifikasian tutupan lahan.
4 Terjadi instabilitas nilai indeks yang
menggambarkan pantulan atau pancaran
radiasi matahari, pada masing-masing
lokasi contoh untuk kelas vegetasi dan
struktur buatan yang ditandai dengan
perubahan nilai menjadi lebih besar atau
lebih kecil.
5 Perbedaan antar kelas data terletak pada
nilai maksimum dan minimum amplitudo
yang dapat dicapai selama satu tahun.
6 Kelas perairan tidak dapat menghasilkan
IMF dikarenakan hanya memiliki nilai
indeks baris dan kolom 0 (nol) sehingga
pola yang dihasilkan pun konstan atau
monoton.
Saran
Saran untuk penelitian selanjutnya ialah:
1 Mengembangkan
sistem
dengan
menggunakan bahasa pemrograman lain
yang dapat menangani data besar.
2 Perlu diperhatikan frekuensi dan panjang
gelombang dari data yang digunakan.
3 Perlu dilakukannya cross check atau
pemeriksaan langsung untuk proses lebih
lanjut.
DAFTAR PUSTAKA
[EOEdu] Earth Observation Educative. 2010.
SPOT (Satellite Pour l'Observation de la
Terre).
http://eoedu.belspo.be/en/
satellites/spot.htm [5 Nov 2012].
Huang NE, Shen Z, Long SR, Wu MC, Shih
HH, et al. 1998. The empirical mode
decomposition and the hilbert spectrum
for nonlinear and non-stationary time
series analysis. Di dalam: Proceedings of
the Royal Society London A 454;
London, 3 Juni 1996. hlm 903-995.
Lillesand
TM,
Kiefer
RW.
1997.
Penginderaan Jauh dan Interpretasi
Citra. Ed ke-3. Dulbahri et al.,
penerjemah; Sutanto, editor. Yogyakarta:
Gadjah
Mada
University
Press.
Terjemahan dari: Remote Sensing and
Image Interpretation.
Mather PM. 2004. Computer Processing of
Remotely-Sensed
Images
An
Introduction. Ed ke-3. Chichster: John
Willey & Sons.
Panuju DR, Susetyo B, Raimadoya MA. 2009.
Telaah pola musiman penutupan lahan
bervegetasi dengan X12ARIMA pada
NDVI SPOT Vegetation. Di dalam:
Prosiding Semiloka Geomatika-SAR
Nasional; Bogor 21 Apr 2009. hlm 176186.
Peel MC, Amirthanathan GE, Pegram GGS,
McMahon TA, Chiew FHS. 2005. Issues
with the application of empirical mode
decomposition analysis. Di dalam:
Zerger A and Argent RM (eds) MODSIM
2005
International
Congress
on
Modelling and Simulation, Modelling
and Simulation Society of Australia and
New Zealand; Melbourne, 12-15 Des
2005. hlm 1681-1687.
LAMPIRAN
18
Lampiran 1 Data citra SPOT Vegetation
19
Lampiran 2 Contoh data dengan format HDF
20
Lampiran 3 Pemilihan lokasi contoh
21
Lampiran 4 Tabel pengurutan nilai derajat keabuan lokasi contoh
TITIK SAMPLING
KELAS PERAIRAN
KELAS VEGETASI
KELAS STRUKTUR BUATAN
LAUT
JAWA
LAUT
FLORES
LAUT
BANDA
SUMSEL
KALTENG
IRIAN
JAYA
TIM
1
0
0
0
126
217
58
72
157
111
2
0
0
0
208
207
151
95
144
144
3
0
0
0
171
157
70
92
80
167
4
0
0
0
201
48
58
71
106
133
5
0
0
0
203
91
214
73
124
207
6
0
0
0
151
208
85
90
46
121
7
0
0
0
151
211
75
90
207
222
8
0
0
0
150
205
130
84
188
217
9
0
0
0
193
181
158
67
190
194
10
0
0
0
199
208
66
80
208
185
11
0
0
0
181
65
96
79
143
176
12
0
0
0
133
116
227
81
170
175
13
0
0
0
171
197
223
107
162
167
14
0
0
0
207
225
104
98
178
187
15
0
0
0
204
218
211
82
155
178
16
0
0
0
191
228
160
107
163
170
17
0
0
0
189
125
218
91
162
173
18
0
0
0
168
195
220
92
149
182
19
0
0
0
197
211
216
92
135
202
20
0
0
0
199
197
237
87
160
202
21
0
0
0
134
213
128
103
149
215
22
0
0
0
181
183
186
86
147
213
23
0
0
0
126
158
216
98
133
200
24
0
0
0
193
152
185
98
146
202
25
0
0
0
179
184
233
94
126
169
26
0
0
0
149
192
207
83
120
145
27
0
0
0
191
170
107
79
151
134
28
0
0
0
186
79
232
66
74
111
29
0
0
0
198
117
153
94
122
129
30
0
0
0
189
163
205
82
145
158
31
0
0
0
150
146
219
77
160
161
32
0
0
0
213
160
129
91
155
172
33
0
0
0
187
168
180
124
173
194
34
0
0
0
200
199
228
63
126
195
35
0
0
0
84
67
166
84
172
142
36
0
0
0
82
153
199
81
93
67
MEDAN
JAKARTA
MAKASSAR
CITRA
22
Lampiran 5 Tabel IMF pertama sampai dengan residu wilayah Sumatera Selatan
Sumatera Selatan
IMF 1
IMF 2
IMF 3
IMF 4
Residu
0
0
0
0
126
11 Jan
26,0333
17,6395
16,2065
15,6542
132,4666
21 Jan
-33,3730
17,6586
20,8914
26,4097
139,4133
1 Feb
-1,1942
5,9679
16,7254
32,7458
146,7552
11 Feb
18,5941
-11,5220
6,3791
35,1413
154,4074
21 Feb
-9,4672
-28,4164
-7,4767
34,0754
162,2849
1 Mar
5,6672
-32,8256
-22,1713
30,0271
170,3027
11 Mar
-7,9491
-8,8679
-35,0342
23,4754
178,3758
21 Mar
14,1212
20,9546
-43,3945
14,8993
186,4195
1 Apr
12,7152
31,7401
-44,5818
4,7780
194,3486
11 Apr
2,0323
20,2921
-36,9929
-6,4096
202,0782
21 Apr
-35,0175
-0,0256
-23,2958
-18,1844
209,5234
1 Mei
7,0034
-15,3091
-7,2261
-30,0675
216,5992
11 Mei
39,5079
-21,7539
7,6050
-41,5796
223,2207
21 Mei
27,7596
-19,3346
18,5140
-52,2419
229,3029
1 Jun
4,4497
-11,2996
24,6644
-61,5752
234,7608
11 Jun
-5,3739
-1,6854
25,7644
-69,2147
239,5096
21 Jun
1 Jan
-27,6631
5,4720
21,9559
-75,2289
243,4642
1 Jul
9,1361
7,1989
13,8350
-79,7096
246,5396
11 Jul
24,6018
4,7201
3,7527
-82,7256
248,6511
21 Jul
-26,2785
0,2083
-5,2973
-84,3460
249,7135
1 Ags
29,0847
-2,8186
-10,2685
-84,6395
249,6420
11 Ags
-30,2940
0,6263
-9,0912
-83,5926
248,3515
21 Ags
27,8969
3,8108
-3,6746
-80,7902
245,7572
1 Sep
14,2639
-4,1087
2,5106
-75,4398
241,7740
11 Sep
-16,2917
-9,1448
4,7541
-66,6347
PADA DATA CITRA SPOT VEGETATION
MITHA RACHMAWATI
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2012
IMPLEMENTASI EMPIRICAL MODE DECOMPOSITION (EMD)
PADA DATA CITRA SPOT VEGETATION
MITHA RACHMAWATI
Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Komputer pada
Departemen Ilmu Komputer
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2012
ABSTRACT
MITHA RACHMAWATI. Implementation of Empirical Mode Decomposition (EMD) on SPOT
Vegetation Image Data. Supervised by HARI AGUNG ADRIANTO.
Land cover can be monitored by using recording devices, such as SPOT Vegetation sensor.
Recorded values are not only obtained from objects on earth surface, but also retrieved from
particles in the atmosphere. This phenomenon is known as noise. Normally, land cover change is
relatively slow and will establish a pattern. This study will try to implement the Empirical Mode
Decomposition (EMD) to identify errors caused by the noise at a specific frequency range of the
signal. Another objective of this study is to determine whether the method can show patterns of
land cover classification. In EMD method, the signal will be decomposed into two parts, namely
Intrinsic Mode Function (IMF) and residue. The input signal is divided into three classes, namely
water, vegetation, and artificial structure. The result of this study indicates that EMD method can
identify errors caused by atmospheric scattering at a specific frequency range of the signal.
Moreover, this method can also show the pattern of land cover classification based on amplitude.
Keywords: Empirical Mode Decomposition (EMD), Intrinsic Mode Function (IMF), land cover
Judul Skripsi : Implementasi Empirical Mode Decomposition (EMD) pada Data Citra SPOT
Vegetation
Nama
: Mitha Rachmawati
NRP
: G64080072
Menyetujui:
Pembimbing
Hari Agung Adrianto, S.Kom, M.Si
NIP. 19760917 200501 1 001
Mengetahui:
Ketua Departemen Ilmu Komputer
Dr. Ir. Agus Buono, M.Si, M.Kom
NIP. 19660702 199302 1 001
Tanggal Lulus :
KATA PENGANTAR
Segala puji bagi Allah subhanahu wata’ala atas segala limpahan rahmat serta karunia-Nya
sehingga penulis mampu menyelesaikan penelitian dengan baik. Shalawat dan salam penulis
sampaikan kepada Nabi Muhammad shallallahu ‘alaihi wasallam serta kepada keluarganya,
sahabatnya, serta para pengikutnya yang selalu berpegang kepada Al-Quran dan As-Sunnah.
Penulis juga menyampaikan terima kasih kepada seluruh pihak yang telah berperan dalam
penelitian ini, antara lain:
1 Ayahanda Achmad Miftah, Ibunda Sumarheni, Kakak Ika Putri Aprilia, serta Adik Lukmanul
Hakim atas doa, kasih sayang, dukungan, serta motivasi kepada penulis untuk penyelesaian
penelitian ini.
2 Bapak Hari Agung Adrianto, S.Kom, M.Si selaku dosen pembimbing yang telah memberi
banyak ide, saran, bantuan, serta dukungan sampai selesainya penelitian ini.
3 Ragil Budi Haryoko atas doa, nasihat, dukungan, serta motivasi kepada penulis untuk
penyelesaian penelitian ini.
4 Rekan-rekan seperjuangan di Ilmu Komputer IPB angkatan 45 atas segala kebersamaan,
bantuan, dukungan, serta kenangan bagi penulis selama menjalani masa studi. Semoga kita bisa
berjumpa kembali kelak sebagai orang-orang sukses.
5 Fania Rahmanawati K, Susi Handayani, Putri Dewi PS, Siska Susanti, Brenda Kristi, Ardini
Sri Kartika, dan sahabat lainnya yang telah menjadi mitra dan menemani penulis dalam
menjalani kehidupan sebagai mahasiswa.
6 Rekan satu bimbingan, Sri Rahayu (Chichi), semoga lancar dalam melanjutkan penelitiannya.
7 Sahabat satu asrama, Shinta Anggraini, Sherly Adika Sari, dan Hikma Nadiatul Husna, yang
telah memberikan dukungan untuk segera menyelesaikan studi.
Penulis berharap penelitian ini dapat memberikan manfaat, khususnya bagi umat Islam di
Indonesia dan masyarakat pada umumnya.
Bogor, Desember 2012
Mitha Rachmawati
RIWAYAT HIDUP
Mitha Rachmawati dilahirkan di Jakarta pada tanggal 29 Juli 1990 dan merupakan anak
kedua dari tiga bersaudara dengan ayah bernama Achmad Miftah dan ibu bernama Sumarheni.
Pada tahun 2008, penulis lulus dari SMA Negeri 63 Jakarta dan diterima di Program Studi Ilmu
Komputer, Fakultas Matematika dan Imu Pengetahuan Alam, Institut Pertanian Bogor melalui
jalur Undangan Seleksi Masuk IPB (USMI).
Pada bulan Juli-Agustus 2011 penulis melaksanakan kegiatan Praktik Kerja Lapangan di Pusat
Penelitian dan Pengembangan Teknologi Minyak dan Gas Bumi (PPPTMGB) “LEMIGAS” Divisi
Penginderaan Jauh dan Sistem Informasi Geografis (SIG). Selama aktif sebagai mahasiswa,
penulis pun turut aktif dalam kegiatan keorganisasian di Departemen Ilmu Komputer, yaitu
Himpunan Mahasiswa Ilmu Komputer (HIMALKOM) IPB, serta mengikuti beberapa kegiatan
kepanitian, yaitu Masa Perkenalan Departemen (MPD), IT Today 2009 dan IT Today 2010.
Penulis pun bergabung dalam Komunitas CG dan FOKERZ pada Himpunan Mahasiswa Ilmu
Komputer IPB.
DAFTAR ISI
Halaman
DAFTAR TABEL ............................................................................................................................ vi
DAFTAR GAMBAR ....................................................................................................................... vi
DAFTAR LAMPIRAN .................................................................................................................... vi
PENDAHULUAN
Latar Belakang............................................................................................................................. 1
Tujuan .......................................................................................................................................... 1
Ruang Lingkup ............................................................................................................................ 1
TINJAUAN PUSTAKA
Tutupan Lahan (Land Cover) ...................................................................................................... 2
Penginderaan Jauh ....................................................................................................................... 2
Satelit SPOT ................................................................................................................................ 3
Empirical Mode Decomposition (EMD)...................................................................................... 3
METODE PENELITIAN
Pengumpulan Data ....................................................................................................................... 4
Pengolahan Data .......................................................................................................................... 6
Implementasi EMD ..................................................................................................................... 6
Hasil dan Pembahasan ................................................................................................................. 6
HASIL DAN PEMBAHASAN
Koleksi Dokumen ........................................................................................................................ 7
Pemilihan Lokasi Contoh ............................................................................................................ 7
Accessing Image Elements........................................................................................................... 7
Analisis Hasil Output................................................................................................................... 7
SIMPULAN DAN SARAN
Simpulan .................................................................................................................................... 16
Saran .......................................................................................................................................... 16
DAFTAR PUSTAKA ..................................................................................................................... 16
LAMPIRAN .................................................................................................................................... 17
v
DAFTAR TABEL
Halaman
1 Karakteristik SPOT-4 HRVIR .................................................................................................... 3
2 Titik koordinat lokasi contoh ...................................................................................................... 7
DAFTAR GAMBAR
Halaman
1 Kurva pantulan spektral untuk objek vegetasi, lahan kering, dan tumbuhan (Lillesand dan
Kiefer 1997)................................................................................................................................. 2
2 Langkah-langkah mengidentifikasi IMF pertama (Peel et al. 2005). .......................................... 5
3 Proses dekomposisi EMD hingga mendapatkan residu (Peel et al. 2005). ................................. 5
4 Metode Penelitian. ....................................................................................................................... 6
5 Identifikasi nilai ekstrim. ............................................................................................................. 8
6 Hasil identifikasi maksima dan minima dari sinyal masukan kelas vegetasi. ............................. 9
7 Hasil identifikasi maksima dan minima dari sinyal masukan kelas struktur buatan. .................. 9
8 Pembuatan envelope atas dan envelope bawah.......................................................................... 10
9 Perhitungan rata-rata envelope. ................................................................................................. 10
10 Hasil perhitungan envelope atas dan bawah dari sinyal masukan kelas vegetasi. ..................... 10
11 Hasil perhitungan envelope atas dan bawah dari sinyal masukan kelas struktur buatan. .......... 11
12 Hasil perhitungan rata-rata envelope dari sinyal masukan kelas vegetasi. ................................ 11
13 Hasil perhitungan rata-rata envelope dari sinyal masukan kelas struktur buatan. ..................... 12
14 Proses perhitungan dekomposisi sinyal. .................................................................................... 12
15 IMF pertama sampai dengan residu dari sinyal kelas vegetasi. ................................................. 13
16 IMF pertama sampai dengan residu dari sinyal kelas struktur buatan. ...................................... 14
17 Sinyal masukan kelas perairan. ................................................................................................. 15
DAFTAR LAMPIRAN
Halaman
1
2
3
4
5
6
7
8
9
10
Data citra SPOT Vegetation ...................................................................................................... 18
Contoh data dengan format HDF .............................................................................................. 19
Pemilihan lokasi contoh ............................................................................................................ 20
Tabel pengurutan nilai derajat keabuan lokasi contoh .............................................................. 21
Tabel IMF pertama sampai dengan residu wilayah Sumatera Selatan ...................................... 22
Tabel IMF pertama sampai dengan residu wilayah Kalimantan Tengah .................................. 23
Tabel IMF pertama sampai dengan residu wilayah Irian Jaya Timur ....................................... 24
Tabel IMF pertama sampai dengan residu wilayah Medan ....................................................... 25
Tabel IMF pertama sampai dengan residu wilayah Jakarta....................................................... 26
Tabel IMF pertama sampai dengan residu wilayah Makassar ................................................... 27
vi
1
PENDAHULUAN
Latar Belakang
Penutupan lahan (land cover) terkait
dengan segala jenis kenampakan yang ada di
permukaan bumi. Definisi penutupan lahan
(land use) sendiri dipisahkan dari definisi
penggunaan lahan yang lebih terkait dengan
kegiatan manusia pada objek tersebut
(Lillesand dan Kiefer 1997).
Tutupan lahan dapat dipantau dengan
menggunakan alat perekam berupa sensor,
salah satunya ialah sensor citra SPOT
Vegetation. Tutupan lahan baik bervegetasi
maupun tidak pada dasarnya merupakan data
berbasis spasial. Data spasial mempunyai
pengertian sebagai suatu data yang mengacu
pada posisi, objek, dan hubungan di antaranya
dalam ruang bumi. Pemantauan data spasial
umumnya dilakukan dengan metode dan data
spasial
yang
diturunkan
dari
citra
penginderaan jauh. Sebagian besar data citra
diakuisisi dalam periode tertentu. Dalam
akuisisi citra tersebut, karakteristik resolusi
spasial dan temporal citra umumnya
berbanding terbalik. Citra dengan resolusi
temporal tinggi umumnya memiliki resolusi
spasial lebih rendah, demikian sebaliknya.
mendekomposisikan
sinyal
berdasarkan
amplitudo dan frekuensi sinyal informasi pada
saat tertentu. EMD dirancang untuk
mengidentifikasi
ketika
pada
rentang
frekuensi sinyal terdapat kesalahan akibat
adanya noise. Pada metode EMD sinyal akan
terurai menjadi dua bagian yaitu Intrinsic
Mode Function (IMF) dan komponen sisa
(residu). Perhitungan dilakukan berulangulang hingga didapatkan nilai IMF yang
optimal dan komponen sisa (residu) yang
konstan atau monoton.
Di sisi lain, Panuju et al. (2009)
melakukan penelitian untuk mempelajari pola
musiman pada data tutupan lahan bervegetasi
dari data NDVI SPOT Vegetation. Penelitian
tersebut menggunakan metode X12ARIMA.
Hasil dari penelitian tersebut menunjukkan
bahwa adanya pola musiman dari pola deret
waktu data NDVI SPOT Vegetation. Sebagian
besar wilayah contoh dari sebaran tutupan
lahan merupakan kawasan hutan, ladang, dan
kebun. Selebihnya dalam proporsi yang sangat
kecil yaitu badan air dan urban. Nilai indeks
vegetasi cenderung tinggi pada bulan Juni
sampai dengan Agustus dan cenderung rendah
pada bulan Desember sampai dengan
Februari.
Laju perubahan permukaan bumi yang
setiap saat semakin cepat mengharuskan
adanya data yang lebih baru lagi sehingga
satelit melakukan perekaman kembali pada
daerah yang dibutuhkan. Saat pengambilan
citra oleh satelit, banyak sekali pengaruhpengaruh alam yang menyebabkan hasil
pencitraan
sedikit
terganggu,
seperti
hamburan atmosfer. Hamburan ini disebabkan
oleh adanya partikel-partikel di atmosfer yang
memberikan efek hamburan yang berpengaruh
pada hasil citra. Fenomena ini biasa disebut
dengan
noise.
Pengaruh
noise
ini
menyebabkan nilai indeks pada citra menjadi
lebih besar (akibat hamburan) atau lebih kecil
(akibat proses penyerapan). Nilai indeks
tersebut menggambarkan ukuran kuantitas
fisik yang merupakan pantulan atau pancaran
radiasi matahari dari suatu objek dengan
panjang gelombang tertentu yang diterima
oleh sensor. Salah satu metode yang dapat
menganalisis kesalahan akibat adanya noise
pada rentang frekuensi sinyal tertentu adalah
EMD.
Penelitian kali ini akan mencoba
mengimplementasikan metode EMD, yang
diperkenalkan oleh Huang et al. (1998), untuk
mengidentifikasi citra SPOT Vegetation
apabila terdapat kesalahan akibat terpengaruh
hamburan atmosfer. Selain itu, untuk
mengetahui apakah metode tersebut dapat
menunjukkan pola yang terbentuk dari
pengklasifikasian tutupan lahan, seperti yang
telah dilakukan dalam penelitian Panuju et al.
(2009) dengan menggunakan X12ARIMA.
Huang et al. (1998) memperkenalkan
sebuah
metode,
Empirical
Mode
Decomposition
(EMD),
yang
dapat
menganalisis data time series yang dapat
1 Data yang digunakan merupakan data citra
SPOT Vegetation yang diperoleh dari hasil
download dari situs distribusi data SPOT
Tujuan
Tujuan dari penelitian tugas akhir ini ialah
mengimplementasikan
EMD
untuk
mengidentifikasi apabila terdapat kesalahan
akibat terpengaruh hamburan atmosfer. Selain
itu, untuk mengetahui apakah terdapat pola
yang terbentuk dari pengklasifikasian tutupan
lahan dalam rentang satu tahun pada suatu
data citra SPOT Vegetation.
Ruang Lingkup
Ruang lingkup penelitian ini ialah:
2
Vegetasi yang tersedia
(http://free.vgt.vito.be/).
secara
gratis
2 Data citra SPOT Vegetation yang
digunakan memiliki format Hierarchical
Data Format (HDF) dan region of interest
(ROI) yang dipilih ialah Asian-Island.
3 Data citra SPOT Vegetation yang
digunakan merupakan hasil synthesis
product data 10 harian citra SPOT
Vegetation dengan resolusi spasial 1 km.
TINJAUAN PUSTAKA
Tutupan Lahan (Land Cover)
Penutupan lahan (land cover) menurut
Lillesand dan Kiefer (1997) terkait dengan
segala jenis kenampakan yang ada di
permukaan bumi. Definisi penutupan lahan
(land use) sendiri dipisahkan dari definisi
penggunaan lahan yang lebih terkait dengan
kegiatan manusia pada objek tersebut.
Pengetahuan
tentang
penutupan
dan
penggunaan lahan penting artinya dalam
perencanaan, pengelolaan, pemodelan, dan
pemahaman tentang sistem kebumian.
Analisis penggunaan lahan sejak 1940-an
menurut Lillesand dan Kiefer (1997)
umumnya menggunakan citra pankromatik,
skala medium foto udara. Saat ini, foto udara
skala kecil dan citra satelit telah digunakan
dalam skala yang luas.
Penginderaan Jauh
Penginderaan jauh berasal dari kata
Remote Sensing yang memiliki pengertian
bahwa penginderaan jauh merupakan suatu
ilmu dan seni untuk memperoleh informasi
tentang suatu objek, daerah, atau fenomena
melalui analisis data yang diperoleh dengan
suatu alat tanpa kontak langsung dengan
objek, daerah, atau fenomena yang dikaji
(Lillesand dan Kiefer 1997).
Teknologi penginderaan jauh sangat
bergantung pada pantulan spektral dan
panjang gelombang yang dapat menunjukkan
dan membedakan material tutupan lahan,
misalnya air, lahan kering, dan tumbuhan.
Spektral adalah daya pisah objek berdasarkan
besar spektrum elektromagnetik yang
digunakan untuk perekaman data dan
mempengaruhi besarnya derajat keabuan.
Pada Gambar 1, terdapat hubungan antara
pantulan spektrum (reflectance %) terhadap
panjang gelombang (wavelenght μm) yang
menunjukkan jenis tutupan lahannya. Garis
pada kurva tersebut menyajikan kurva
pantulan rata-rata yang dibuat dengan
pengukuran sampel objek yang jumlahnya
banyak. Air memiliki reflektansi spektral
terendah ( 0.3
% Mengidentifikasi seluruh maxima dan minima
d = diff(h); % approximate derivative
maxmin = []; % untuk menyimpan nilai optimum
for i = 1:N-2
if d(i) == 0 || sign(d(i))== sign(d(i+1))
maxmin = [maxmin];
elseif sign(d(i)) ~= sign(d(i+1))
maxmin = [maxmin, i+1];
end
end
% Ekstrak detail
prevh = h;
h = h - m;
% Kriteria utk menghentikan proses iterasi
eps = 0.01; % digunakan utk menghindari nilai nol
SD = sum(((prevh-h).^2) ./ (prevh.^2+eps));
end
imf = [imf; h];
if size(maxmin, 2) < 2
break
end
% membagi maxmin menjadi max & min
if maxmin(1)>maxmin(2)
max = maxmin(1:2:length(maxmin));
min = maxmin(2:2:length(maxmin));
else
max = maxmin(2:2:length(maxmin));
min = maxmin(1:2:length(maxmin));
end
if size(maxmin, 2) < 2
break
end
c = c - h;
end
end
Gambar 14 Proses perhitungan dekomposisi sinyal.
13
(a) Sumatera Selatan
(b) Kalimantan Tengah
(c) Irian Jaya Timur
Gambar 15 IMF pertama sampai dengan residu dari sinyal kelas vegetasi.
14
(a) Medan
(b) Jakarta
(c) Makassar
Gambar 16 IMF pertama sampai dengan residu dari sinyal kelas struktur buatan.
15
Untuk kelas perairan, yang terdiri atas
wilayah Laut Jawa, Laut Flores, dan Laut
Banda, karena masing-masing lokasi contoh
hanya memiliki nilai indeks baris dan kolom 0
(nol) sehingga tidak dapat dilakukan proses
EMD. Ketika sinyal masukan tidak dapat
dilakukan proses EMD, IMF pun tidak dapat
dihasilkan. Nilai indeks yang dimiliki oleh
masing-masing lokasi contoh dari kelas
perairan tidak mengalami perubahan, yang
dikarenakan air memiliki reflektansi spektral
yang terus menurun dari spektrum biru sampai
dengan spektrum inframerah dekat. Nilai
pantulan air pada spektrum merah hampir
mendekati nol karena hampir seluruh energi
pada spektrum tersebut terserap oleh air. Hal
ini dipengaruhi oleh kedalaman air serta
keberadaan
dan
tingkat
konsentrasi
kandungan suspensi material organik dan
anorganik pada air. Dari Gambar 17 yang
merupakan gambar sinyal masukan kelas
perairan, dapat dilihat bahwa grafik yang
dihasilkan konstan atau monoton.
Gambar 17 Sinyal masukan kelas perairan.
Berdasarkan hasil dari proses EMD untuk
kelas vegetasi dan struktur buatan, pada kelas
vegetasi untuk masing-masing lokasi contoh
menghasilkan lima level EMD, yaitu IMF
pertama sampai dengan IMF keempat
ditambah dengan komponen sisa (residu). Di
sisi lain, untuk kelas struktur buatan, terdapat
dua lokasi contoh yang menghasilkan empat
level EMD, yaitu IMF pertama sampai dengan
IMF ketiga ditambah dengan komponen sisa
(residu). Lokasi contoh tersebut merupakan
wilayah Medan dan Makassar. Untuk kelas
struktur buatan dengan lokasi contoh wilayah
Jakarta menghasilkan enam level EMD, yaitu
IMF pertama sampai dengan IMF kelima
ditambah dengan komponen sisa (residu).
Pada hasil proses EMD sebelumnya, dapat
dilihat terjadi instabilitas nilai indeks pada
masing-masing lokasi contoh untuk kelas
vegetasi dan struktur buatan. Nilai indeks
pada masing-masing kelas contoh terjadi
perubahan yang cukup drastis yaitu menjadi
lebih besar atau lebih kecil. Perubahan
tersebut dapat dilihat pada Lampiran 5,
Lampiran 6, Lampiran 7 untuk kelas vegetasi
dan Lampiran 8, Lampiran 9, Lampiran 10
untuk kelas struktur buatan.
Perubahan nilai indeks citra menjadi lebih
besar
dikarenakan
adanya
hamburan.
Hamburan mengakibatkan terjadinya berbagai
pembelokan arah pancaran gelombang
elektromagnetik dari jalurnya. Hamburan
dapat disebabkan oleh adanya kabut, debu,
asap, uap air, ozon, dan lain sebagainya.
Sebaliknya, perubahan nilai indeks citra
menjadi lebih kecil dikarenakan adanya proses
penyerapan.
Penyerapan
menimbulkan
pemindahan
energi
dari
gelombang
elektromagnetik ke partikel atmosfer penyerap
gelombang tersebut. Nilai serapan banyak
dipengaruhi oleh sifat objek atau benda. Pada
benda hitam, nilai serapan lebih besar dari
pada nilai energi yang dipantulkan.
Kebalikannya, pada benda putih, nilai energi
yang diserap lebih sedikit daripada energi
yang dipantulkan.
Dari hasil penelitian yang telah dilakukan
oleh Panuju et al. (2009), hasil penelitian ini
juga dapat menunjukkan pola yang
mengindikasikan perbedaan antara kelas data
di antara gejolak naik turunnya sinyal.
Perbedaan antara kelas data terletak pada nilai
maksimum dan minimum amplitudo selama
satu tahun. Bila diamati dari hasil IMF
terakhir yang dihasilkan oleh masing-masing
lokasi contoh, untuk lokasi contoh kelas
vegetasi menghasilkan amplitudo antara -100
sampai dengan 100, sedangkan lokasi contoh
kelas struktur buatan menghasilkan amplitudo
antara -50 sampai dengan 50. Kurva untuk
kelas struktur buatan menunjukkan sedikitnya
variasi nilai amplitudo dari kelas vegetasi. Hal
ini dikarenakan jumlah tenaga yang diterima
oleh setiap objek berbeda-beda. Selain itu,
faktor-faktor yang mempengaruhi pantulan
spektral struktur buatan mungkin kurang
spesifik bagi saluran tertentu. Penelitian ini
hanya dapat membedakan antara kelas data
saja, sedangkan penelitian yang dilakukan
oleh Panuju et al. (2009) tidak hanya dapat
membedakan antar kelas tetapi juga dapat
menunjukkan pola musiman data tersebut.
16
SIMPULAN DAN SARAN
Simpulan
Hasil penelitian ini menunjukkan bahwa:
1 Telah diperkenalkan suatu metode EMD
dan penerapannya pada data citra SPOT
Vegetation telah dibahas.
2 EMD dapat mengidentifikasi apabila
terdapat kesalahan akibat terpengaruh
hamburan atmosfer pada rentang frekuensi
sinyal tertentu.
3 EMD juga dapat menunjukkan pola
pengklasifikasian tutupan lahan.
4 Terjadi instabilitas nilai indeks yang
menggambarkan pantulan atau pancaran
radiasi matahari, pada masing-masing
lokasi contoh untuk kelas vegetasi dan
struktur buatan yang ditandai dengan
perubahan nilai menjadi lebih besar atau
lebih kecil.
5 Perbedaan antar kelas data terletak pada
nilai maksimum dan minimum amplitudo
yang dapat dicapai selama satu tahun.
6 Kelas perairan tidak dapat menghasilkan
IMF dikarenakan hanya memiliki nilai
indeks baris dan kolom 0 (nol) sehingga
pola yang dihasilkan pun konstan atau
monoton.
Saran
Saran untuk penelitian selanjutnya ialah:
1 Mengembangkan
sistem
dengan
menggunakan bahasa pemrograman lain
yang dapat menangani data besar.
2 Perlu diperhatikan frekuensi dan panjang
gelombang dari data yang digunakan.
3 Perlu dilakukannya cross check atau
pemeriksaan langsung untuk proses lebih
lanjut.
DAFTAR PUSTAKA
[EOEdu] Earth Observation Educative. 2010.
SPOT (Satellite Pour l'Observation de la
Terre).
http://eoedu.belspo.be/en/
satellites/spot.htm [5 Nov 2012].
Huang NE, Shen Z, Long SR, Wu MC, Shih
HH, et al. 1998. The empirical mode
decomposition and the hilbert spectrum
for nonlinear and non-stationary time
series analysis. Di dalam: Proceedings of
the Royal Society London A 454;
London, 3 Juni 1996. hlm 903-995.
Lillesand
TM,
Kiefer
RW.
1997.
Penginderaan Jauh dan Interpretasi
Citra. Ed ke-3. Dulbahri et al.,
penerjemah; Sutanto, editor. Yogyakarta:
Gadjah
Mada
University
Press.
Terjemahan dari: Remote Sensing and
Image Interpretation.
Mather PM. 2004. Computer Processing of
Remotely-Sensed
Images
An
Introduction. Ed ke-3. Chichster: John
Willey & Sons.
Panuju DR, Susetyo B, Raimadoya MA. 2009.
Telaah pola musiman penutupan lahan
bervegetasi dengan X12ARIMA pada
NDVI SPOT Vegetation. Di dalam:
Prosiding Semiloka Geomatika-SAR
Nasional; Bogor 21 Apr 2009. hlm 176186.
Peel MC, Amirthanathan GE, Pegram GGS,
McMahon TA, Chiew FHS. 2005. Issues
with the application of empirical mode
decomposition analysis. Di dalam:
Zerger A and Argent RM (eds) MODSIM
2005
International
Congress
on
Modelling and Simulation, Modelling
and Simulation Society of Australia and
New Zealand; Melbourne, 12-15 Des
2005. hlm 1681-1687.
LAMPIRAN
18
Lampiran 1 Data citra SPOT Vegetation
19
Lampiran 2 Contoh data dengan format HDF
20
Lampiran 3 Pemilihan lokasi contoh
21
Lampiran 4 Tabel pengurutan nilai derajat keabuan lokasi contoh
TITIK SAMPLING
KELAS PERAIRAN
KELAS VEGETASI
KELAS STRUKTUR BUATAN
LAUT
JAWA
LAUT
FLORES
LAUT
BANDA
SUMSEL
KALTENG
IRIAN
JAYA
TIM
1
0
0
0
126
217
58
72
157
111
2
0
0
0
208
207
151
95
144
144
3
0
0
0
171
157
70
92
80
167
4
0
0
0
201
48
58
71
106
133
5
0
0
0
203
91
214
73
124
207
6
0
0
0
151
208
85
90
46
121
7
0
0
0
151
211
75
90
207
222
8
0
0
0
150
205
130
84
188
217
9
0
0
0
193
181
158
67
190
194
10
0
0
0
199
208
66
80
208
185
11
0
0
0
181
65
96
79
143
176
12
0
0
0
133
116
227
81
170
175
13
0
0
0
171
197
223
107
162
167
14
0
0
0
207
225
104
98
178
187
15
0
0
0
204
218
211
82
155
178
16
0
0
0
191
228
160
107
163
170
17
0
0
0
189
125
218
91
162
173
18
0
0
0
168
195
220
92
149
182
19
0
0
0
197
211
216
92
135
202
20
0
0
0
199
197
237
87
160
202
21
0
0
0
134
213
128
103
149
215
22
0
0
0
181
183
186
86
147
213
23
0
0
0
126
158
216
98
133
200
24
0
0
0
193
152
185
98
146
202
25
0
0
0
179
184
233
94
126
169
26
0
0
0
149
192
207
83
120
145
27
0
0
0
191
170
107
79
151
134
28
0
0
0
186
79
232
66
74
111
29
0
0
0
198
117
153
94
122
129
30
0
0
0
189
163
205
82
145
158
31
0
0
0
150
146
219
77
160
161
32
0
0
0
213
160
129
91
155
172
33
0
0
0
187
168
180
124
173
194
34
0
0
0
200
199
228
63
126
195
35
0
0
0
84
67
166
84
172
142
36
0
0
0
82
153
199
81
93
67
MEDAN
JAKARTA
MAKASSAR
CITRA
22
Lampiran 5 Tabel IMF pertama sampai dengan residu wilayah Sumatera Selatan
Sumatera Selatan
IMF 1
IMF 2
IMF 3
IMF 4
Residu
0
0
0
0
126
11 Jan
26,0333
17,6395
16,2065
15,6542
132,4666
21 Jan
-33,3730
17,6586
20,8914
26,4097
139,4133
1 Feb
-1,1942
5,9679
16,7254
32,7458
146,7552
11 Feb
18,5941
-11,5220
6,3791
35,1413
154,4074
21 Feb
-9,4672
-28,4164
-7,4767
34,0754
162,2849
1 Mar
5,6672
-32,8256
-22,1713
30,0271
170,3027
11 Mar
-7,9491
-8,8679
-35,0342
23,4754
178,3758
21 Mar
14,1212
20,9546
-43,3945
14,8993
186,4195
1 Apr
12,7152
31,7401
-44,5818
4,7780
194,3486
11 Apr
2,0323
20,2921
-36,9929
-6,4096
202,0782
21 Apr
-35,0175
-0,0256
-23,2958
-18,1844
209,5234
1 Mei
7,0034
-15,3091
-7,2261
-30,0675
216,5992
11 Mei
39,5079
-21,7539
7,6050
-41,5796
223,2207
21 Mei
27,7596
-19,3346
18,5140
-52,2419
229,3029
1 Jun
4,4497
-11,2996
24,6644
-61,5752
234,7608
11 Jun
-5,3739
-1,6854
25,7644
-69,2147
239,5096
21 Jun
1 Jan
-27,6631
5,4720
21,9559
-75,2289
243,4642
1 Jul
9,1361
7,1989
13,8350
-79,7096
246,5396
11 Jul
24,6018
4,7201
3,7527
-82,7256
248,6511
21 Jul
-26,2785
0,2083
-5,2973
-84,3460
249,7135
1 Ags
29,0847
-2,8186
-10,2685
-84,6395
249,6420
11 Ags
-30,2940
0,6263
-9,0912
-83,5926
248,3515
21 Ags
27,8969
3,8108
-3,6746
-80,7902
245,7572
1 Sep
14,2639
-4,1087
2,5106
-75,4398
241,7740
11 Sep
-16,2917
-9,1448
4,7541
-66,6347