BAB I

PENDAHULUAN
1.1

Latar Belakang

Penginderaan jauh kini menjadi salah satu ilmu dan teknologi yang dapat diandalkan
dalam berbagai disiplin keilmuan baik untuk penelitian maupun pembangunan yang bertujuan
untuk kesejahteraan bangsa. Seiring dengan berkembangnya ilmu pengetahuan dan teknologi,
penginderaan jauh tidak hanya digunakan dalam lingkup geografi semata karena diyakini
bahwa informasi geografi sangat penting dalam menunjukan sumberdaya alam dan fenomena
spasial, sehingga kebutuhan terhadap citra sebagai salah satu komponen penting dalam
penginderaan jauh semakin meningkat. Citra dari resolusi rendah, menengah, hingga tinggi
semakin dibutuhkan sesuai dengan peruntukannya masing-masing. Dari memiliki spektral
yang sedikit sampai memiliki spektral yang sangat banyak.
Hiperspektral digunakan untuk mengidentifikasi dan mencirikan materi yang unik serta
memiliki informasi yang lebih akurat dan detail dibandingkan citra multispektral. Citra
hiperspektral sudah digunakan untuk mengumpulkan banyak variabel biofisika dan geofisika
seperti kandungan air pada daun, klorofil dan pigmen, mineral dan jenis tanah.
Kesulitan dalam penggunaan citra Hyperspectral ini adalh sedikitnya data yang bisa
didapatkan dan juga besarnya data yang harus diolah. Beruntung USGS milik Amerika
memiliki citra Hyperspectral yang diberikan untuk umum secara gratis yaitu EO1 Hiperyon.
1.2

Maksud dan Tujuan Praktikum

Adapun maksud dan tujuan dari praktikum kali ini adalah:

Mahasiswa bisa lebih mengenal citra Hiperspektral

Mahasiswa bisa meliht Spectral Profile yang ada didalam citra.

BAB II
DASAR TEORI
4.1

Hyperspectral

Pengertian hiperspektral adalah banyaknya jumlah band panjang gelombang yang

terukur antara 100-500, dengan perbedaan panjang gelombang 10<<100. Hiperspektral
dapat digunakan untuk mengidentifikasi dan mencirikan materi yang unik serta memiliki
potensi ekstraksi informasi lebih akurat dan detail dibanding dengan jenis multispektral.
Dikatakan kontinu dan disebut data hiperspektral bila perbedaan panjang
gelombangnya 10 nm, aplikasinya materi yang sejenis secara spektral dapat dibedakan dan
informasi berskala sub piksel dapat diekstraksi, hal ini perlu dikembangkan teknik
pengolahan citra yang baru.
Berkaitan dengan sistim pengolahan citra hiperspektral, hal yang perlu diperhatikan
adalah membangun model sistim yang optimum dengan fokus konten informasinya.
Untuk menjawab dalam penyelesaian pembangunan pengolahan citra hiperspektral
perlu dilengkapi 3 (tiga) dasar yaitu ruang spasial (image space), spectral (spectral space),
dan ruang ciri (feature space). Ruang Spasial yaitu hubungan geometrik antar piksel atau
hubungan antara spectral dengan posisi geografi, ruang spektral adalah kuantifikasi isi
piksel sebagai fungsi dari panjang gelombang atau spectral respon dihubungkan ke jenis
materi , ruang ciri adalah penyajian piksel sebagai titik di ruang N- dimensi .
Terminologi objektifitas dari sistem pengolahan citra dijital adalah dihasilkannya peta
tematik untuk berbagai aplikasi , melalui pengelompokkan piksel yang sejenis menjadi suatu
kelas dan selanjutkan diberikan label. Persoalannya, dalam suatu ruang ciri data
hiperspektral memungkinkan suatu piksel terasosiasi dalam suatu konten kelas, ini berarti
pendekatannya yang dapat dilakukan dengan melakukan partisi ruang ciri atau delineasi
sehingga dapat dihasilkan kelas yang unik, ini semua mendorong dapat dihasilkannya suatu
citra tematik berlabel multiskala.
Sebagaimana dengan konsep statistik terhadap suatu kumpulan data, tuntutannya
adalah optimalisasi kinerja terhadap vektor rata-rata, kovarians, model probabilitas, dan
kualitas kelas. Pernyataan sebelumnya selalu dikaitkan dengan jumlah sampel terhadap
jumlah band yang dimiliki data penginderaan jauh, sehingga akan mereprenstasikan harapan
akurasi klasifikasi. Seperti
yangterlihat pada gambar 2.1 dibawah ini, merupakan
fenomena Hughes.

Gambar 2.1 Fenomena Hughes

Dapat dijelaskan sebagai berikut : dengan jumlah sampel yang sama, maka pemisahan
kelas terhadap n band selalu meningkat, pada titik tertentu terjadi kejenuhan dan bahkan
menurun probabilitas hasil klasifikasinya, maka ini terjadi efek counterbalancing. Dalam
menerapkan proses pengkelasan dan pelabelan objek itu dikehendaki adanya exhaustive,
separable dan information value, agar ketiga momen itu secara simultan dapat terjadi perlu
dilakukan pemilihan model klasifikasi yang memenuhi kondisi tersebut. Diharapkan dengan
model seperti ini memberi keuntungan yaitu proses cenderung membuat training sampel
semakin robust dan berlaku untuk keseluruhan data, sehingga meningkatkan generalisasi data
yang melebihi training sampel, proses mencegah fenomena Hughes (menggeser puncak
akurat vs jumlah training, juga meningkatkan akurasi yang lebih tinggi dengan jumlah yang
training sampel yang terbatas), proses diharapkan juga menaksir probabilitas kelas objek lain,
yang tidak dapat dilakukan oleh training sampel, sehingga citra tematik yang dihasilkan
bukan sebagai hasil akhir.
Karakteristik dari data hiperspektral, bila disajikan probabilitas densitasnya
berlawanan dengan fungsi Gauss, gambar 2.2 dibawah ini. Meningkatnya dimensi,
magnitudenya mendekati nol.

Gambar 2.2 Probabilitas Densitas VS Rata-Rata Kelas

Dengan adanya sifat citra hiperspektral yang khusus, citra hiperspektral memiliki
kelebihan-kelebihan jika dibandingkan' dengan citra multispektral. Adapun kelebihan dari
citra hiperspektral adalah sebagai berikut: dapat mengatasi kekurangan-kekurangan
penggunaan citra hiperspektral pada, penginderaan jauh, tidak semua spektrum
elektromagnetik ditampilkan dalam citra multispektral, dalam beberapa kasus penginderaan
jarak jauh, dibutuhkan spektrum yang kontinu dan beresolusi tinggi untuk
mengidentifikasikan spesies vegetasi; terdapat ciri atau informasi yang mirip pada saluran
spektium yang, ditampilkan dalam citra multispektral sehingga penyajian informasi
cenderung berkurang, citra hiperspektral lebih mampu menunjukkan keberagaman mineral
sehingga dapat memperlihatkan keberagaman objek dalam suatu wilayah, citra hiperspektral
dapat mensimulasikan citra multispektral.
Menurut Hughes juga mengemukakan bahwa selain memiliki kelebihan- kelebihan
dikarenakan sifat khusus citra hiperspektral, sifat-sifat khusus yang dimiliki citra
hiperspektral mengakibatkan timbulnya kesulitan-kesulitan dalam analisa dan penggunaan
citra hiperspektral. Adapun kesulitan-kesulitan tersebut meliputi: Citra hiperspektral
biasanya berukuran besar dan mengandung ratusan frame data, hal ini dikarenakan jumlah
6

spektrum yang banyak dan kontinyu, sehingga perlu adanya algoritma kompresi data yang
efek-tif guna menyimpan data citra hiperspektral, diperlukan algoritma yang cukup efektif
untuk memproses dan menganalisa data citra hiperspektral yang besar. Selain itu juga
diperlukan algoritma untuk menghilangkan noise dari setiap saluran spektrum citra
hiperspektral.
Proses pemilihan ciri yang dilakukan memakan waktu komputasi yang cukup besar,
sehingga perlu adanya kriteria dan pellliosesan khusus untuk pemilihan citra. . Dikarenakan
jumlah spektrum yang besar dan jumlah set data latihan yang sedikit mengakibatkan
terjadinya "kutukan dimensi".

2.2

EO-1 Hiperyon

Citra satelit EO-1 Hyperion merupakan citra hiperspektral yang memiliki resolusi
spasial 30 x 30 meter, resolusi spektral setiap 10 nm secara kontinyu dengan jangkauan
antara 0,42,5m yang terdiri dari 220band, resolusi radiometrik 12 bit (Griffin et.al, 2005),
dan resolusi temporal 200 hari (Beck, 2003). Perbedaan citra hiperspektral dan non
hiperspektral adalah pada banyaknya band yang digunakan. Pada citra non hiperspektral,
seperti Landsat, SPOT, Ikonos, Quickbird, dan lain-lain, band yang digunakan tersusun tidak
secara kontinyu dan dalam jumlah yang sedikit. Manfaat penggunaan citra hiperspektral salah
satunya adalah memiliki resolusi yang tinggi dalam separasi obyek permukaan bumi. Citra
hiperspektral EO-1 Hyperion telah digunakan dalam aplikasi pemetaan habitat perairan dalam
berbagai penelitian.

Gambar 2.3 Perbandingan Citra Hiperyon dan citra lainnya.

BAB III
PELAKSANAAN
3.1

Alat dan Bahan

Alat dan bahan yang dibutuhkan untuk melakukan praktikum :

1.
2.
3.

Laptop Lenovo G40

ENVI 5.1
Metadata citra Hyperion EO1H1230632004276110PX_1T.
Dengan beberapa data dalam metadata sebagai berikut:
ACQUISITION_DATE = 2004-10-02
SENSOR_LOOK_ANGLE = -4.6525
SUN_AZIMUTH = 89.711661
SUN_ELEVATION = 61.998662
REFERENCE_DATUM = "WGS84"
REFERENCE_ELLIPSOID = "WGS84"

3.2

Langkah Pengerjaan

1.

Pertama, buka software ENVI dengan cara double click pada icon ENVI.

Gambar 3.1 Icon ENVI

Gambar 3.2 Software ENVI 5.1

4.

Pada praktikum kali ini kita menggunakan citra satelit Hyperion

EO1H1230632004276110PX_1T. Untuk membuka data citra, pilih File -> Open. Pilih
file yang akan digunakan EO1H1230632004276110PX_MTL_L1T -> pilih Open.

Gambar 3.3 Proses membuka data

Gambar 3.4 Hasil Tampilan

5.

Untuk melihat Band List pada citra EO1H1230632004276110PX, pilih tool

Manager) . Pada kotak dialog Data Manager akan muncul list 242 band citra.

(Data

Gambar 3.5 Kotak Dialog Data Manager

6.

Karena citra hyperion memiliki 242 band, dengan rentang panjang gelombang yang
beragam sehingga, satu citra dan yang lain memiliki perbedaan yang tidak terlalu
drastis. Untuk membentuk kombinasi band Natural Colour dibutuhkan band dengan
panjang gelombang 0.650 yang didefinisikan sebagai Red, 0.550 yang didefinisikan
sebagai Green dan 0.450 yang didefinisikan sebagai Blue. Pada Citra
9

7.

EO1H1230632004276110PX dicari band dengan panjang gelombang yang mendekati.

Maka didapatkan:
- Red
= Band 30 (650.670)
- Green
= Band 20 (548.920)
- Blue
= Band 10 (447.170)
Untuk melakukan perubahan RGB, klik kanan pada file di Layer Manager -> pilih
Change RGB Bands...

Gambar 3.6 Proses Pengubahan RGB

Hasil dari Kombinasi RGB B30, B20, dan B10.

Gambar 3.7 Hasil dari kombinasi Band

10

8.

Untuk melihat nilai spektral, pilih tool

(Spectral Profile) . Pilih lokasi yang ingin
diketahui nilai spektralnya. Pada titik pertama, diletakkan pada area sungai. Setelah
muncul kotak dialog Spectral Profile dan grafik spektralnya, pilih Export -> Spectral
Library untuk menyimpan data spektral. Beri nama sungai untuk titik pertama.

Gambar 3.8 Lokasi titik pertama sungai

Gambar 3.9 Spectral Profile dari titik pertama

11

Gambar 3.10 Proses Penyimpanan ke Spectral Library

Lakukan langkah 6, untuk 3 titik selanjutnya yang akan ditempatkan di beberapa titik
yang tersebar di area berbeda. Seperti area sawah, lahan terbuka, dan perumahan.
9.

Untuk melihat perbandingan Spectral Profile dari keempat titik, pilih File -> Open.
Pilih file Spectral Library yang terlah disimpan sebelumnya.

Gambar 3.11 Proses Membuka File Spectral Library

Gambar 3.12 Hasil Tampilan Spectral Library

12

10.

Untuk melihat data value yang ada dalam citra, klik kanan Spectral Library dari titik
yang ingin dilihat nilainya -> Edit Data Value.

Gambar 3.13 Proses melihat Data Value

Dibawah ini adalah conta Data Value dari titik yang didefinisikan sebagai daerah
sawah:

Gambar 3.14 Data Value Sawah

Lakukan langkah 8 untuk melihat Data Value dari titik lainnya.
13

BAB IV
PENUTUP
4.1

Hasil
4.1.1 Hasil Spectral Profile
Daerah

Spectral Profile

Sungai

Sawah

Lahan Terbuka

Perumahan

14

4.1.2 Spectral Library

Gambar 4.1 Hasil Spectral Library 4 titik

Dengan keterangan :

Merah
Biru
Ungu
Hijau

= Sawah
= Lahan Kosong
= Perumahan
= Sungai

4.1.3 Data Value

Sawah

Lahan Kosong

Sungai

15

Perumahan

Gambar 4.2 Data Value 4 titik

4.2

Analisa
Adapun analisa yang didapat dari hasil praktikum diatas adalah :

Citra hyperion memiliki 242 band, dengan rentang panjang gelombang yang beragam
sehingga, satu citra dan yang lain memiliki perbedaan yang tidak terlalu drastis. Untuk
membentuk kombinasi band Natural Colour dibutuhkan band dengan panjang
gelombang 0.650 yang didefinisikan sebagai Red, 0.550 yang didefinisikan sebagai
Green
dan
0.450
yang
didefinisikan
sebagai
Blue.
Pada
Citra
EO1H1230632004276110PX dicari band dengan panjang gelombang yang mendekati.
Maka didapatkan:
Red
= Band 30 (650.670)
Green
= Band 20 (548.920)
Blue
= Band 10 (447.170)
Pada grafik Spectral Profile bisa terlihat terdapat data yang terputus yang menandakan
tidak adanya data yang direcord pada band tersebut. Hal ini bisa kita lihat lebih jelas
pada Data Value titik yang dibuat. Saat dilakukan pengecekan pada Band sendiri, yang
didapatkan adalah gambar hitam. Hal ini menandakan saat merecord data, terdapat
data-data yang tidak berhasil direcord oleh sensor citra. Adapun pada citra satelit
EO1H1230632004276110PX ini, data yng tidak tersimpan adalah :
Band 1-8
Band 59-77
Band 226-242

16