Anda di halaman 1dari 9

Seminar Nasional Instrumentasi, Kontrol dan Otomasi (SNIKO) 2015

Bandung, Indonesia, 10-11 Desember 2015

GIS Untuk Integrasi Interpretasi Substrat Dasar Perairan


Menggunakan Penggolahan Citra ALOS-AVNIR
Dan Side Scan Sonar
1 Rina Nurkhayati *), 2Henry M. Manik
1Prodi Teknologi Kelautan Program Pascasarjana IPB
2Departemen Ilmu dan Teknologi Kelautan FPIK IPB Kampus IPB Dramaga, Bogor, 16680
1
rinanur53@gmail.com*)

Abstrak transformasi Lyzenga dengan metode rasio


saluran, memanfaatkan dua saluran dalam sensor
Interpretasi substrat dasar perairan merupakan salah citra satelit dengan meminimalisir efek kedalaman
satu kajian penting dalam ilmu kelautan, sebagai kajian
untuk mengidentifikasi obyek. Pengaruh
utama maupun kajian pendamping untuk kajian
fenomena kelautan. Substrat dasar perairan penting kedalaman mengganggu pembedaan obyek di
untuk diketahui karena sebarannya yang sangat dalam perairan, obyek yang sama bisa terdapat di
dinamis, di kedalaman perairan yang sama bisa saja kedalaman perairan yang berbeda, dan di
terdapat materi substrat yang berbeda dan materi kedalaman yang sama beberapa obyek tentunya
substrat yang sama bisa terdapat di rentang kedalaman bisa berbeda, namun sensor satelit belum tentu
yang berbeda. Interpretasi memanfaatkan citra Side sesuai dalam merekam obyek tersebut. Sebagai
Scan Sonar dan citra satelit ALOS AVNIR-2 untuk contoh, bisa jadi karang terlihat seperti lamun,
sebagian perairan Selat Sunda. Metode yang digunakan lumpur terlihat seperti pasir atau yang lainnya.
adalah pengolahan citra (image processing) identifikasi
Transformasi Lyzenga dikembangkan oleh David R.
substrat perairan untuk citra Side Scan Sonar dengan
Sonarwiz dan penerapan algoritma Lyzenga dan Lyzenga sebagai bentuk koreksi kolom air untuk
transformasi NDVI (Normalize Different Vegetation membantu interpretasi visual citra penginderaan
Index) untuk data citra satelit. Transformasi NDVI jauh dengan perhitungan koefisien atenuasi
meningkatkan akurasi pemetaan substrat pada citra perairan, pengukuran koefisien atenuasi di
ALOS AVNIR-2. Hasil pengolahan kedua citra dioverlay lapangan bisa dilakukan menggunakan alat
menggunakan GIS untuk menampilkan visualisasi radiometer namun biaya pengukuran sangat
sebaran substrat perairan. mahal dan rumit sehingga dilakukan perhitungan
Kata Kunci : ALOS-AVNIR, Side Scan Sonar, GIS, Lyzenga linear terhadap kedalaman perairan untuk
menghitung koefisien atenuasi dari data citra
1 Pendahuluan satelit penginderaan jauh. Apabila sudah
mengetahui nilai koefisien atenuasi setiap saluran
Interpretasi substrat dasar perairan merupakan pada citra yang digunakan, koefisien atenuasi
kegiatan mengenali objek materi dasar perairan dikalikan dengan nilai pantulan objek pada citra
tanpa kontak langsung dengan objek. Interpretasi maka akan menghasilkan kenampakan obyek
dapat dilakukan dengan menggunakan data pada citra yang telah terbebas dari pengaruh
penginderaan jauh berupa citra satelit dan data kedalaman.
hasil perekaman instrumen sonar. Interpretasi
menggunakan citra satelit penginderaan jauh Side Scan Sonar adalah sebuah sistem peralatan
memanfaatkan nilai pantulan gelombang survey kelautan yang menggunakan teknologi
elektromagnetik dari objek untuk mengenali objek akustik. Peralatan ini digunakan untuk
substrat dasar perairan. Sistem penginderaan jauh memetakan dasar laut dan juga dapat digunakan
bekerja dengan prinsip setiap obyek memantulkan untuk mempelajari kehidupan di dasar laut.
dan atau memancarkan gelombang Sistem peralatan ini merekam kondisi dasar laut
elektromagnetik dimana pantulan dan pancaran dengan memanfaatkan sifat media dasar laut yang
gelombang elektromagnetik dari setiap benda mampu memancarkan, memantulkan dan atau
akan ditangkap oleh sensor dan diberi nilai sesuai menyerap gelombang suara frekuensi tinggi. Side
dengan pantulan dan pancaran benda, nilai Scan Sonar mampu membuat liputan perekaman
tersebut dinyatakan dengan nilai piksel. Piksel dasar laut dari kedua sisi lintasan survey. Sistem
merupakan sekumpulan sel-sel penyusun gambar tranduser Side Scan Sonar disimpan dalam
sehingga deteksi jenis obyek dapat diketahui towfish yang ditarik kapal beberapa meter di
dengan menggunakan nilai piksel. Interpretasi bawah permukaan laut. Gelombang suara yang
substrat dasar perairan menggunakan citra satelit dipantulkan diproses menjadi gambar yang mirip
penginderaan jauh umumnya menggunakan foto udara. Interpretasi menggunakan data Side
Seminar Nasional Instrumentasi, Kontrol dan Otomasi (SNIKO) 2015
Bandung, Indonesia, 10-11 Desember 2015

Scan Sonar merupakan bentuk pengolahan post 2.2. Metode


processing pada data sonar. Post processing yang
dilakukan secara kualitatif menggunakan Citra ALOS AVNIR-2 dalam penelitian ini
pendekatan sifat fisik material dan bentuk objek merupakan citra penginderaan jauh level 1B2
dengan melihat tekstur, derajat kehitaman, bentuk yang telah terkoreksi geometrik, dapat dilakukan
dan ukuran dari obyek permukaan dasar perairan. validasi ketepatan posisinya dengan
Sedangkan post processing secara kuantitatif menggunakan data referensi setempat sehingga
adalah dengan memanfaatkan nilai hamburan tidak perlu dilakukan koreksi geometrik, perbaikan
bailk dari objek untuk mengenali objek substrat kualitas citra hanya mencakup koreksi radiometrik
dasar perairan. dan koreksi sunglint menggunakan software ENVI
5.0 dan ArcGIS 10.2.
Teknologi penginderaan jauh diharapkan dapat
memberikan kemudahan untuk melakukan Langkah pertama yang dilakukan adalah kalibrasi
ekstraksi informasi substrat dasar perairan namun nilai DN (digital number) menjadi nilai radiansi
masalah kedalaman sering menjadi hambatan pada sensor dengan perhitungan berikut :
dalam hal tersebut sehingga perlu ditunjang
L = Gain * DN + Offset (1)
dengan integrasi data bersama teknologi akustik
yang mampu menembus badan perairan.
L = (( )-( )) * DN) + Lmin (2)
Penelitian ini bertujuan untuk meng-interpretasi
dan visualisasi kenampakan substrat dasar
L : nilai radiansi spektral [W-m-2-sr-1-m-1]
perairan secara kualitatif dari integrasi data citra
Gain : rescaled gain
penginderaan jauh dan Side Scan Sonar sehingga
DN : Nilai DN pada piksel
kelak bermanfaat untuk menambah khazanah
Offset : rescaled offset
keilmuan terutama dibidang teknologi kelautan.
Lmax : radiansi spektral yang diskalakan ke
Qcalmax (kuantitas maksimum yang
dikalibrasi nilai piksel).
2 Diskusi Lmin : radiansi spektral yang diskalakan ke
2.1. Data Qcalmin (kuantitas minimum yang
dikalibrasi nilai piksel).
Penelitian ini menggunakan data citra satelit
penginderaan jauh ALOS AVNIR-2 level 1B2 yang
Langkah kedua yang dilakukan adalah kalibrasi
telah terkoreksi geometrik, resolusi spasial 10
nilai radiansi menjadi nilai pantulan pada sensor
meter tahun 2012 dan data hasil perekaman Side
dengan perhitungan berikut :
Scan Sonar untuk daerah yang sama. Penelitian
dilakukan di sebagian perairan Selat Sunda. (3)
: nilai pantulan
: 3.141593
L : nilai spektral radiansi [W/m2 str m]
s : sudut zenith matahari ketika citra direkam
(radians).
d2 : kuadrat dari jarak bumi matahari dengan
satuan astronomi

Langkah ketiga yang dilakukan adalah koreksi


sunglint, menggunakan formula dari (Mobley,
1994) [7].

Ri = Ri bi x (RNIR MinNIR) (4)

Ri : nilai pantulan masingmasing saluran.


bi : niai gradien dari uji regresi.
RNIR : nilai pantulan saluran inframerah dekat.
MinNIR : pantulan minimum saluran inframerah
dekat.

Gambar 2.1 Peta citra lokasi penelitian Transformasi Lyzenga memanfaatkan kemampuan
dua saluran sensor citra satelit untuk menembus
badan perairan. Ketika cahaya dapat menembus
Seminar Nasional Instrumentasi, Kontrol dan Otomasi (SNIKO) 2015
Bandung, Indonesia, 10-11 Desember 2015

badan perairan maka dapat dibentuk hubungan Rasio koefisien atenuasi (ki/kj) dperoleh dari
antara kedalaman dengan sinyal pantul yang di perhitungan simpangan baku atau simpangan
terima oleh sensor satelit. Algoritma dalam rerata yang merupakan hasil bagi dari selisih
transformasi ini menggunakan dua saluran citra variansi saluran terpendek dan terpanjang dengan
untuk menghasilkan satu citra baru untuk yang dua kali covariansi saluran yang bersangkutan
lebih menampakkan variasi tutupan dasar [10].
perairan, akan ada tiga citra baru yang merupakan
kombinasi saluran biru-hijau, hijau-merah, merah- (6)
biru. Saluran yang digunakan adalah saluran
tampak dengan rentang panjang gelombang: (7)
0.420.50 m untuk saluran biru, 0.520.60 m
untuk saluran hijau, 0.61-0.69 m untuk saluran Keterangan :
merah. Secara sederhana, untuk mengurangi efek
kedalaman pada setiap saluran citra satelit i : Variansi nilai piksel saluran i,
penginderaan jauh adalah dengan melakukan j : Variansi nilai piksel saluran j
perkalian koefisen atenuasi setiap saluran dengan
ij : Kovariansi nilai piksel dua saluran i dan j.
nilai piksel atau nilai pantulannya sehingga dapat
dihasilkan citra yang bebas dari pengaruh
kedalaman perairan. Untuk meningkatan ketepatan penentuan substrat
dasar perairan digunakan NDVI (Normalized
Difference Vegetation Index) yang merupakan
Koefisien atenuasi dihitung dari nilai pengambilan
salah satu jenis indeks vegetasi paling populer
training area (ROI) objek substrat yang sama pada
yang dikembangkan NOAA. NDVI merupakan
kedalaman berbeda. Setiap nilai piksel atau bnilai
gabungan teknik penisbahan dan pengurangan
pantulan dari objek yang disampling diubah
citra yang memanfaatkan saluran inframerah dan
menjadi nilai anti logaritma (ln) untuk
saluran merah. NDVI biasa digunakan untuk
menghilangkan efek kedalaman pada objek di
menonjolkan kerapatan vegetasi dalam kajian
setiap saluran. Penentuan koefisien atenuasi
vegetasi dan penggunaanlahan, NDVI dalam kajian
dipengaruhi oleh variansi dan kovariansi yang
ini tidak digunakan untuk mengindentifikasi objek
merupakan tolak ukur keberagaman nilai suatu
substrat dasar perairan namun untuk
himpunan data. Citra merupakan suatu himpunan
menormalkan variasi kedalaman perairan dan
data nilai piksel sehingga variansi suatu nilai
juga memisahkan daerah dengan fitur bentik dan
saluran citra merupakan gambaran keragaman
daerah non-bentik. Kemampuan NDVI untuk
nilai piksel yang ada pada citra tersebut.
meningkatkan akurasi pemetaan di daerah bentik
Kovariansi menjelaskan variasi gabungan atau
telah dibuktikan bahwa NDVI dapat meningkatkan
bersama dua variabel yang saling berkaitan.
akurasi 6-8 % saat menggunakan ASTER dan
Variansi-kovariansi menjelaskan bahwa sepasang
Landsat ETM+ untuk pemetaan kesehatan karang
saluran yang masing-masing mempunyai nilai
(Wicaksono, 2008) [10].
variansi yang rendah cenderung akan memiliki
nilai kovariansi yang rendah pula, begitu pula
sebaliknya. Pengukuran dan perhitungan seperti Interpretasi citra Side Scan Sonar merupakan
ini diperlukan karena pengukuran spektral melalui interpretasi kualitatif dengan memperhatikan
nilai piksel hasil sensor penginderaan jauh bentuk (shape), ukuran (size) dan derajat
senantiasa berubah bersama-sama (Danoedoro, kehitaman (hue and saturation). Interpretasi Side
2012) [2]. Scan Sonar diperuntukan untuk interpretasi objek
dikedalaman perairan lebih dari 20 meter dimana
interpretasi menggunakan citra satelit
Berikut perhitungan untuk menentukan nilai
penginderaan jauh terbatas pada rentang
koefisien atenuasi dalam persamaan Lyzenga [3].
kedalaman tersebut. Perbedaan rentang
ln(Riw) ((ki/kj) x ln(Rjw)) (5) kedalaman interpretasi akan mengubah kelas
jenis objek yang di interpretasi. Interpretasi akan
Keterangan : membedakan jenis substrat pasir, lumpur, dan
i : Saluran dengan panjang gelombang lebih pecahan karang.
pendek /atenuasi rendah.
j : Saluran dengan panjang gelombang lebih Prinsip Side Scan Sonar adalah ketika sinyal
panjang /atenuasi tinggi. ditransmisikan maka akan merambat dalam
ki/kj : Rasio koefisien atenuasi kedua saluran. medium air, tranduser akan menerima pantulan
balik berupa echo objek dan yang bukan objek
atau disebut sebagai derau (noise). Sinyal yang
dikirimkan tranduser tidak sepenuhnya kembali
Seminar Nasional Instrumentasi, Kontrol dan Otomasi (SNIKO) 2015
Bandung, Indonesia, 10-11 Desember 2015

ke tranduser, sebagian mungkin dipantulkan tekstur objek, secara umum backscattering yang
kembali ke tranduser, sebagian lainnya mungkin relatif tinggi berhubungan dengan objek kekasaran
diserap oleh objek, diteruskan ke medium tinggi, backscatering yang relatif rendah
berikutnya ataupun dihamburkan. Pantulan berhubungan dengan objek kekasaran rendah.
pertama dari echo objek merupakan pantulan Fenomena backscattering permukaan dasar laut
terkuat. memiliki hubungan dengan kekasaran dan
kekerasan permukaan (Gardner et al, 1991) [1].

Gambar 2.2 Prinsip Side Scan Sonar

A merupakan derau (noise) dan reverberasi dalam


Gambar 2.4 Pembagian objek citra Side Scan Sonar
kolom air, B merupakan echo pertama dari dasar
koleksi peneliti USGS di Colorado Canyon, diturunkan
perairan, C merupakan area pasir, D merupakan dari sedimen bawah arus [1].
batuan, E merupakan lumpur, F merupakan
(backscatter) target dan G merupakan bayangan Ukuran materi substrat dasar laut juga dapat
dari target (Lurton, 2002) [4]. digunakan untuk mengenali objek yang
diinterpretasi, ukuran objek berkenaan fenomena
Kenampakan citra Side Scan Sonar akan pengendapan sedimentasi di perairan, materi yang
memberikan informasi sifat fisik dari material cenderung berukuran lebih besar akan
dasar perairan yang dapat diinterpretasi secara mengendap di sekitar wilayah pantai, sedangkan
kualitatif. Interpretasi akan dilakukan pada materi yang lebih ringan dan halus akan
sebagian kecil dari satu track data, data citra hasil diendapkan di perairan laut lepas. Asosiasi antar
perekaman Side Scan Sonar merupakan data yang objek yang diinterpretasi pun menjadi parameter
telah terkoreksi dan hanya akan dilakukan post tambahan dalam proses interpretasi, bentuk dan
processing saja. Pola pantulan dari sinyal yang distribusi biasanya dapat terdeteksi oleh Side
dikirim ke objek dan bayangan objek dapat Scan Sonar, ini dikarenakan pantulan akustik yang
digunakan untuk identifikasi objek material di diterima akan menggambarkan keadaan sama
dasar laut. Citra yang direkam di rentang atau dengan kondisi sebenarnya pada saat perekaman.
jarak yang jauh akan memiliki bayangan yang
panjang dan dapat digunakan untuk mengukur Citra Side Scan Sonar merupakan format data .xtf
tinggi dan pengukuran bentuknya. dapat ditampilkan pada perangkat software Sonar
Wiz 5 untuk diubah ke dalam bentuk data raster
bergeoreferensi format Geotiff untuk dilakukan
Towfish
klasifikasi terselia (supervised), klasifikasi
dilakukan dengan pengambilan training area (ROI)
Jejak muka laut untuk dibedakan jenis substrat pasir, lumpur, dan
pecahan karang/karang.

Jejak dasar laut

Rentang/jarak
maksimum
Kolom air

Gambar 2.3 Citra Side Scan Sonar [4]

Bila backscattering semakin kuat maka rona pada


citra Side Scan Sonar akan semakin gelap. Gambar 2.5 Citra Side Scan Sonar ditampalkan dengan
Kekuatan backscattering berhubungan dengan citra ALOS AVNIR-2 menggunakan ArcScene 10.3
Seminar Nasional Instrumentasi, Kontrol dan Otomasi (SNIKO) 2015
Bandung, Indonesia, 10-11 Desember 2015

Hasil interpretasi citra satelit penginderaan jauh kemudahan interpretasi hasil pengolahan Lyzenga.
dapat digabungkan dengan hasil interpretasi citra Transformasi NDVI menggunakan saluran merah
Side Scan Sonar dengan memanfaatkan teknologi yang merupakan spektrum yang mengalami
GIS, penggabungan kedua data dapat dilakukan atenuasi tercepat di dalam air dan inframerah
dengan metode overlay dengan perangkat yang normal terhadap pengaruh kolom air.
software ArcGIS 10.2 berdasarkan kesamaan
georeferensi lokasi kedua citra. Output berupa Gambar 2.7 menunjukan kenampakan objek
klasifikasi substrat dasar perairan integrasi kedua dengan fitur bentik tampak gelap sedangkan air
data citra. tanpa fitur bentik tampak lebih cerah. Ini akan
memudahkan memisahkan objek substrat dasar
perairan, dimana tipe substrat merupakan salah
2.3. Hasil dan Pembahasan satu parameter penentuan habitat bentik. Daerah
Proses untuk dapat melakukan interpretasi daratan dipisahkan dengan perairan dengan
tersebut meliputi beberapa tahapan, yaitu koreksi metode masking pada software ENVI 5,
radiometrik, koreksi sunglint dan transformasi pemisahan objek daratan dan perairan laut agar
Lyzenga sebagai bentuk koreksi kolom air. Koreksi klasifikasi objek di perairan bisa dikatakan akurat,
tersebut dilakukan untuk meminimalkan variasi radiansi daratan sangat bervariasi
kesalahan atau koreksi energi cahaya matahari dibandingkan di lautan akan merusak klasifikasi
pada objek susbtrat dasar perairan yang terekam ketika digabungkan. Manfaat lainnya adalah
sensor karena pengaruh atmosfer, pantulan mengurangi beban komputasi saat pengolahan
sunglint maupun kolom air yang nantinya akan data.
mengganggu interpretasi objek substrat dasar
perairan. Hasil koreksi kolom air menggunakan transformasi
Lyzenga lebih mempertegas batasan jenis substrat
Koreksi Sunglint pada citra berfungsi mengurangi dasar perairan. Gambar 2.8 menunjukan
pengaruh sunglint atau kilat matahari (bercak- perbandingan visual citra asli, transformasi NDVI
bercak kilap putih) pada permukaan tubuh air, dan Lyzenga. Citra hasil transformasi Lyzenga
bertujuan untuk mempermudah interpretasi dan mendekati hasil penerapan sederhana
ekstraksi informasi objek bawah air dengan transformasi NDVI dalam menghilangkan variasi
menghilangkan efek pengurangan atau kedalaman perairan secara umum.
penambahan intensitas energi karena perubahan
jarak antara Bumi dan Matahari. Tampak di
gambar 2.6 koreksi sunglint lebih menajamkan
substrat dasar perairan, berikut pengaruh koreksi
sunglint pada daerah perairan sekitar pantai :

Citra asli Citra hasil NDVI

Gambar 2.7 Perbandingan citra asli dan citra


.
Citra terkoreksi Citra asli
sunglint
Gambar 2.6 Perbedaan citra terkoreksi sunglint dengan
citra asli sebelum koreksi.

Transformasi NDVI dapat digunakan untuk a b c


mempertajam objek dengan fitur bentik dan bukan Gambar 2.8 Perbandingan citra asli (a), citra
bentik dengan cara menormalkan variasi transformasi NDVI (b),citra transformasi Lyzenga (c)
kedalaman. NDVI dalam penelitian ini digunakan
pada citra terkoreksi radiometrik saja, bukan pada Kenampakan citra substrat dasar perairan pada
salah satu proses algoritma transformasi Lyzenga citra hasil transformasi Lyzenga dan NDVI
karena NDVI tidak dapat diterapkan di kolom air, mempunyai kemiripan dalam memisahkan objek
namun hasil dari transformasi NDVI ini menunjang air saja dengan campuran air dan materi dasar
Seminar Nasional Instrumentasi, Kontrol dan Otomasi (SNIKO) 2015
Bandung, Indonesia, 10-11 Desember 2015

perairan, meskipun hasil transformasi NDVI dikenali oleh teksturnya yang lebih halus dari pasir
hasilnya lebih umum tidak secara spesifik seperti namun tidak lebih halus dari lamun, pantulan
hasil transformasi Lyzenga. lumpur sedang karena disini ada sebagian energi
yang diserap dan sebagian dipantulkan, rona
lumpur cenderung lebih cerah. Alga (makro alga)
dikenali dari teskturnya yang cenderung lebih
halus daripada lamun dan pantulan nya yang
paling rendah. Skema klasifikasi mendefinisikan
komunitas bentik atas dasar dua atribut, yaitu
zona dan habitat. Zona hanya merujuk ke lokasi
a b komunitas bentik dan habitat mengacu hanya
Gambar 2.9 Kesamaan citra transformasi Lyzenga (a) untuk substrat dan atau jenis penutup perairan
dengan transformasi NDVI (b). [6]. Citra pada gambar 2.10 menunjukan lokasi
habitat laguna, interpretasi objek di zona laguna :
Kualitas citra hasil transformasi Lyzenga mangrove, pasir, atau pun lamun.
dipengaruhi oleh pengambilan training area atau
ROI saat pengolahan data, keberagaman
penentuan pengambilan sampel terhadap variasi
kedalaman seharusnya akan semakin
meningkatkan hasil koreksi kolom air dengan
metode Lyzenga, namun itu juga tak lepas dari
tingginya hasil koreksi penunjang sebelum
pengolahan. Dalam penelitian kali ini penggunaan
data kedalaman perairan yang digunakan hanya
sebatas kedalaman relatif dimana semakin jauh Gambar 2.10 Interpretasi substrat pada citra
dari garis pantai maka angka kedalaman perairan berdasarkan lokasi habitat.
cenderung bertambah.
Klasifikasi multispektral maximum likelihood yang
Interpretasi substrat dasar perairan menggunakan termasuk klasifikasi terselia mengenali objek
transformasi Lyzenga pada citra ALOS AVNIR-2 berdasarkan training area yang ditentukan
diklasifikasikan menjadi empat kelas, yaitu pasir, berdasarkan piksel demi piksel citra seluas 10 x
lumpur, lamun, alga (makroalga), serta terdapat 10 meter persegi di keadaan sebenarnya. Secara
satu kelas tambahan yaitu mangrove yang otomatis luasan tersebut akan dikenali sebagai
merupakan objek penciri daerah estuari sebagai satu atau suatu objek homogen meskipun
batasan wilayah darat dan laut. ALOS AVNIR-2 keadaan di lapangan mungkin akan berbeda.
merupakan citra resolusi menengah sehingga
klasifikasi digital multispektral dirasa lebih efektif
untuk interpretasi dibandingkan interpretasi visual
secara manual (digitasi). Klasifikasi yang dilakukan
merupakan klasifikasi multispektral terselia
(supervised) maximum likelihood yang ditentukan
oleh pengambilan training area (ROI) pada citra
hasil transformasi Lyzenga untuk setiap jenis
Gambar 2.11 Klasifikasi multispektal pada citra hasil
substrat dasar perairan. Penentuan training area
transformasi Lyzenga
berdasarkan kesamaan rona, warna dan tektur
pada citra transformasi Lyzenga serta lokasi
Untuk itu, dalam kajian interpretasi substrat dasar
berdasarkan pendekatan zona dan habitat dengan
perairan menggunakan citra satelit penginderaan
skema klasifikasi yang dikembangkan oleh
jauh harus divalidasi dengan pengamatan
Caribbean Fishery Management Council .
langsung di lapangan untuk dilakukan perbaikan
interpretasi bila terjadi kesalahan, kekeliruan
Secara umum proses interpretasi juga sangat ataupun perubahan keadaan mengingat objek di
ditentukan oleh kecakapan interpreter dalam indera dari jarak yang jauh serta ada perbedaan
melihat kenampakan dalam citra. Objek mangrove waktu antara waktu perekaman citra satelit
dikenali sebagai objek paling dekat dengan dengan waktu terjadinya penelitian. Terkait
daratan karena merupakan penciri habitat estuari. dengan resolusi spasial citra ALOS AVNIR-2
Pasir dan pecahan karang dikenali melalui tekstur sebesar 10 meter akan menentukan kedetilan dari
nya yang kasar dan bentuknya yang khas setiap objek substrat dasar perairan, semakin
bergerombol, pantulan pasir dan pecahan karang tinggi resolusi maka objek yang dapat dikenali
tinggi karena sifat kekerasan materinya. Lumpur untuk dinterpretasi akan lebih detil dan kompleks
Seminar Nasional Instrumentasi, Kontrol dan Otomasi (SNIKO) 2015
Bandung, Indonesia, 10-11 Desember 2015

serta dapat dilakukan langsung dengan Gambar 2.12 terlihat interpretasi dengan
interpretasi manual tanpa komputasi. menggunakan citra satelit terbatas pada
kedalaman dangkal, sedangkan untuk kedalaman
Penerapan transformasi Lyzenga di setiap perairan yang lebih dalam belum dapat mengenali objek
akan berbeda hasilnya serta memungkinkan akan substrat dasar perairan hanya sebatas mengenali
ada beberapa modifikasi dari rumus aslinya sebagai perairan laut, dikarenakan faktor fisik
dikarenakan pengaruh kondisi perairan di setiap lingkungan dan kemampuan gelombang
belahan bumi berbeda satu sama lain. Modifikasi elektromagnetik menembus badan perairan di
dari metode Lyzenga sebagian dipengaruhi kondisi sensor citra satelit multispektral. Integrasi
fisik insitu, sebagai contoh transparansi atau menggunakan data akustik Side Scan Sonar
kecerahan perairan yang berbeda di setiap lokasi Merupakan salah metode yang mungkin bisa
perairan yang disebabkan tingkat kekeruhan mengatasi keterbatasan kemampuan sensor citra
karena pergerakan massa air laut. Kecerahan satelit.
berkaitan dengan seberapa dalam kemungkinan
cahaya matahari dapat menembus badan perairan Interpretasi pada citra Side Scan Sonar
sehingga akan meningkatkan interpretasi objek merupakan kegiatan post processing, interpretasi
substrat dasar perairan. Ketika kecerahan atau dilakukan berdasarkan pada bentuk, ukuran dan
transparansi perairan meningkat, nilai radiansi derajat kehitamaan objek. Berikut adalah
akan menurun maka analisis dari citra semakin sebagian kenampakan visual data perekaman
mudah [9]. Side Scan Sonar. Secara umum, objek tampak
sebagai bentuk sedimentasi materi yang terendap
Keterbatasan penginderaan objek perairan di dasar perairan.
menggunakan citra satelit adalah jumlah dan
angka pada ketersediaan saluran tampak pada
tingkatan resolusi untuk satelit yang merekam
daerah perairan. Daerah perairan biasanya
direkam oleh satelit penginderaan jauh dengan
resolusi rendah di atas 30 meter dengan jumlah
sensor yang lebih banyak dan saluran tampak
yang lebih sempit (hiperspektral). Namun, untuk
sedikit wilayah perairan yang direkam satelit
dengan resolusi tinggi hingga sedang pasti
terbatas pada jumlah sensor saluran tampak.
Akurasi analisis berbasis sensor hiperspektral
secara umum lebih tinggi dibandingankan dengan
sensor satelit lainnya [9].
Gambar 2.13 Contoh kenampakan substrat berupa
pasir pada citra Side Scan Sonar, dikenali dari
kenampkan teksturnya yang halus dan terang.

Gambar 2.12 Hasil interpretasi substrat dasar perairan Gambar 2.14 Contoh kenampakan substrat berupa
citra ALOS AVNIR-2 dengan menggunakan klasifikasi karang/pecahan karang pada citra Side Scan Sonar,
maximum likelihood menunjukan bahwa sebagian besar dikenali dari bentuknya yang khas dan teksturnya yang
substrat dasar perairan adalah lamun. kasar.
Seminar Nasional Instrumentasi, Kontrol dan Otomasi (SNIKO) 2015
Bandung, Indonesia, 10-11 Desember 2015

Objek pasir dan lumpur dibedakan atas Ini akan sangat diperlukan agar tingkatan
teksturnya, pasir cenderung lebih kasar, tekstur klasifikasi objek yang di interpretasi berada pada
lumpur cenderung lebih halus, rapat dan kompak. jenjang objek atau pengkelasan objek yang sama.
Sebagian hasil interpretasi ditunjukan oleh gambar Resolusi spasial mempengaruhi sistem klasifikasi
2.15, interpretasi substrat dasar perairan tutupan lahan di darat maupun tutupan lahan
menggunakan citra Side Scan Sonar agak sulit perairan. Semakian besar resolusi spasialnya akan
dilakukan ketika data perekaman hanya semakin detil klasifikasi interpretasinya.
merupakan data satu lintasan karena daerah
pengukuran terlalu sempit dan tidak menyentuh Metode image sharpening sebenarnya dapat
atau berimpitan dengan daerah yang dapat dilakukan untuk mengatasi permasalahan resolusi
diinterpretasi oleh citra penginderaan jauh, spasial pada citra satelit penginderaan jauh,
sehingga interpretasi tidak dapat dilakukan secara namun terkadang efek dari adanya image
menyeluruh. Hal tersebut dikarenakan beda jarak sharpening akan merusak nilai spektral pada citra
pengukuran kedua data terlalu jauh serta tersebut sehingga akan berdampak pada hasil
kesalahan pemilihan resolusi spasial citra pengolahan untuk interpretasi ini. Oleh karena itu,
penginderaan jauh yang terlalu rendah atau tidak pemilihan resolusi spasial tinggi merupakan
detil dalam penelitian ini. Hasil overlay klasifikasi alternatif paling memungkinkan jika akan
menggunakan data satelit penginderaan jauh dan melakukan integrasi data bersama data Side Scan
Side Scan Sonar ditunjukan oleh gambar 2.16. Sonar meskipun tantangan yang akan dihadapi
adalah sulitnya mendapatkan data tersebut untuk
perairan Indonesia.

Secara keseluruhan interpretasi menggunakan


citra Side Scan Sonar lebih mudah karena dapat
dikenali langsung dari kenampakan citranya,
Kedetilan data yang hampir seperti tampilan
sesungguhnya di lapangan maka tidak
memerlukan proses yang terlalu panjang untuk
melakukan interpretasi secara visual kualitatif,
berbeda dengan proses interpretasi citra satelit
ALOS AVNIR-2 yang membutuhkan beberapa
Gambar 2.15 Sebagian hasil interpretasi substrat dasar proses koreksi untuk mengurangi efek gangguan
perairan dari data Side Scan Sonar menggunakan atmosfer dan kolom air sehingga objek dapat
ArcScene 10.2 dikenali.

Data perekaman sistem akustik merupakan data


resolusi tinggi dalam kisaran 10 meter ke atas 3 Kesimpulan
sehingga dapat memberikan gambaran seperti
Transformasi NDVI juga dapat digunakan untuk
keadaan sebenarnya. Sedangkan data satelit
mempertajam objek dengan fitur bentik dan bukan
penginderaan jauh yang digunakan merupakan
bentik dengan cara menormalkan variasi
data resolusi menengah. Integrasi interpetasi
kedalaman, transformasi tersebut dapat
substrat dasar perairan menggunakan citra
menunjang keberhasilan interpretasi dengan
penginderaan jauh dan citra hasil perekaman
transformasi Lyzenga, Penggunaan tranformasi
akustik instrumen Side Scan Sonar diupayakan
Lyzenga sebaiknya diintegrasikan dengan data
mempunyai kesamaan atau setidaknya
kedalaman perairan dan ground check untuk
kesetaraan resolusi spasial.
mengetahui akurasi ketepatan interpretasi.
Permasalahan resolusi spasial dan spektral tetap
menjadi hambatan utama dalam setiap
pengolahan citra satelit untuk objek perairan,
meskipun citra penginderaan jauh menawarkan
Gambar 2.15
efiensi waktu dan biaya.

Interpretasi menggunaakan data perekaman Side


Scan Sonar merupakan data resolusi tinggi yang
baik untuk pengenalan objek dasar perairan.
Interpretasi substrat dasar perairan dengan
menggunakan data tersebut sebaiknya merupakan
Gambar 2.16 Hasil overlay klasifikasi menggunakan interpretasi kualitatif-kuantitatif agar pengenalan
data satelit penginderaan jauh dan Side Scan Sonar.
Seminar Nasional Instrumentasi, Kontrol dan Otomasi (SNIKO) 2015
Bandung, Indonesia, 10-11 Desember 2015

objek benar sesuai presisi dan akurasi. Integrasi Perikanan dan Kelautan. Vol 1. No 1.
data dan metode untuk interpretasi substrat dasar November 2010: 105-112.
perairan dengan menggunakan kedua data (ALOS [5] Matthew S. Kendall et al., Benthic Mapping
AVNIR-2 dan Side Scan Sonar) sebaiknya Using Sonar, Video Transects, and an
memperhitungakn kesetaraan resolusi spasial Innovative Approach to Accuracy Assessment:
kedua data tersebut agar tingkat pengkelasan A Characterization of Bottom Features in the
klasifikasi objek setara. Untuk kajian lebih lanjut, Georgia Bight, Journal of Coastal Research,
bila menggunakan citra satelit dengan resolusi West Palm Beach, Florida, 2005.
yang lebih tinggi tidak hanya menggabungan hasil
interpretasi dari kedua data namun dapat [6] Matthew S. Kendall et al., Methods Used to
dilakukan fuzy agar dapat menghasilkan data yang Map the Benthic Habitats of Puerto Ricoand
lebih informatif dari data asal dengan kedetilan the U.S. Virgin Islands, U.S. National Oceanic
tinggi dan kualitas spektral yang baik. and Atmospheric Administration. National
Ocean Service, 2001
4 Ucapan Terima Kasih [7] Nurkhayati, Rina, Pemetaan Batimetri
Ucapan terimakasih penulis ucapkan kepada Perairan Dangkal Menggunakan Citra
Pramaditya Wicaksono untuk akses data citra Quickbird Di Perairan Taman Nasional
satelit ALOS AVNIR-2 dan Fahrulian untuk akses Karimun Jawa Kabupaten Jepara, Jawa
software SonarWIz. Tengah, Universitas Gadjah Mada, 2013.

[8] T. Sagawa et al.,Technical Note. Mapping


5 Daftar Pustaka Seagrass Beds Using IKONOS Satellite Image
And Side Scan Sonar Measurements: A
[1] Blobdel, Philippe.,The Handbook of Side Japanese Case Study, International Journal
Scan Sonar, Springer, New York, 2009. of Remote Sensing. 2010.
[2] Danoedoro, Projo., Pemrosesan Citra [9] V. Pasqualini et al., Contribution Of Side
Digital, Penerbit Andi, Yogyakarta, 2012. Scan Sonar To The Management Of
Mediterranean Littoral Ecosystems,
[3] David R. Lyzenga, Norman P. Malinas, and Universite de Corse, Equipe Ecosyste mes
Fred J. Tanis, Multispectral Bathymetry Using Littoraux, France, 2000.
a Simple Physically Based Algorithm, IEEE
Transactions On Geoscience And Remote [10] Wicaksono, Pramaditya, Integrated Model Of
Sensing, Vol. 44, No. 8, August 2006. Water Column Correction Technique For
Improving Satellite-Based Benthic Habitat
[4] Dwi Charnila, Henry M. Manik, Pemetaan Mapping : A Case Study On Part Of
Dan Klasifikasi Sedimen Dengan Instrumen Karimunjawa Islands, Indonesia, Gadjah
Side Scan Sonar Di Perairan Balongan, Mada University, Yogyakarta, 2010.
Indramayu-Jawa Barat, Jurnal Teknologi

The author has requested enhancement of the downloaded file. All in-text references underlined in blue are linked to publications on ResearchGate.