000 Buku Pedoman TSM Final
000 Buku Pedoman TSM Final
PUSAT PEMANFAATAN
PENGINDERAAN JAUH
LAPAN
Pedoman Pengolahan
Data Penginderaan Jauh Landsat 8
untuk MPT
i
ii
KATA PENGANTAR
Pusat Pemanfaatan
DAFTAR ISI Penginderaan Jauh
Kepala
NIP : 197407221999031006
iii
iv
DAFTAR ISI
Halaman:
KATA PENGANTAR Iii
DAFTAR ISI v
DAFTAR TABEL vi
DAFTAR GAMBAR vii
DAFTAR RUMUS viii
BAB I. PENDAHULUAN 1
1.1 Latar Belakang 1
1.2 Tujuan 1
1.3 Ruang Lingkup 1
1.4 Acuan Normatif 2
1.5 Definisi Umum 2
1.6 Daftar Istilah 3
BAB II. TAHAP PENGOLAHAN 4
2.1 Pemetaan Unit Pedoman 4
2.2 Diskripsi Unit 4
2.3 Metodologi 5
2.3.1. Bahan dan Material 5
2.3.2. Peralatan 7
2.3.3. Sumberdaya Manusia 7
2.3.4. Tahapan Pengolahan Data 7
2.3.5. Uji Akurasi 13
BAB III. PENUTUP 14
DAFTAR PUSTAKA. 14
v
DAFTAR TABEL
Halaman:
Tabel 1. Tahapan dan Uraian Pengolahan Data Penginderaan Jauh 4
Landsat 8 untuk MPT
Tabel 2. Karakteristik Landsat 8 6
vi
DAFTAR GAMBAR
Halaman:
Gambar 1. Contoh data Landsat 8 6
Gambar 2. Peralatan Survei 7
Gambar 3. Koreksi Geometrik 8
Gambar 4. Hasil Koreksi Radiometrik dengan Menggeser Histogram 9
Gambar 5. Koreksi Radiometrik Metode Regresi 10
Gambar 6. Citra Hasil Cropping Lokasi Penelitian 11
Gambar 7. Klasifikasi Supervised MPT 12
vii
DAFTAR RUMUS
Halaman:
Rumus 1. Algoritma yang Digunakan untuk Menghitung OIF 10
viii
Pedoman Pengolahan
Data Penginderaan Jauh Landsat 8 untuk MPT
Bab I
Pendahuluan
1.2. Tujuan
Tujuan penyusunan pedoman adalah untuk menyediakan petunjuk teknis dalam
pengumpulan dan pengolahan data penginderaan jauh untuk identifikasi parameter
MPT yang sesuai dengan prosedur yang telah disepakati.
1
1.3. Ruang Lingkup
Dokumen ini sebagai petunjuk teknis untuk identifikasi tanaman mangrove yang
terdiri dari pra pengolahan data, pengolahan data secara visual, dan pengolahan
data secara digital. Tahapan pengolahan data penginderaan jauh sebagai berikut:
A. Pra Pengolahan Data
i. Koreksi Geometris Citra
ii. Koreksi Radiometris Citra
B. Pengolahan Data Secara Visual
i. Penyusunan Komposit Warna
ii. Penajaman Digital (Digital Enhancement)
iii. Pemotongan Citra (Cropping)
C. Pengolahan Data Secara Digital
i. Klasifikasi Tidak terbimbing (Unsupervised)
ii. Klasifikasi Terbimbing (Supervised)
D. Uji Akurasi
Tabel 1. Tahapan dan Uraian Pengolahan Data Penginderaan Jauh Landsat 8 untuk MPT
Tahapan Uraian
1. Mempersiapkan 1.1. Mempersiapkan perangkat keras dan perangkat
perangkat dan data lunak pengolahan citra .
1.2. Mempersiapkan software sesuai dengan kebutuhan
1.3. Mempersiapkan data yang akan digunakan
1.4. Mempersiapkan metode yang akan digunakan
1.5. Mempersiapkan informasi pendukung lainnya (data
lapangan, peta rupa bumi, dan lain sebagainya)
2. Melakukan pra 2.1. Melakukan koreksi geometrik. Melakukan koreksi
pengolahan data radiometris.
3. Melakukan interpretasi 3.1. Penyusunan komposit warna dengan menggunakan
data secara visual metode Optimum Index Factor (OIF) pada citra yang
telah terkoreksi.
3.2. OIF digunakan untuk menentukan kombinasi tiga
kanal terbaik untuk menggambarkan informasi
tertentu. Semakin besar nilai OIF yang dihasilkan
semakin banyak informasi warna yang diperoleh dan
sedikit duplikasi informasi, sehingga dapat dikatakan
bahwa nilai OIF tertinggi merupakan kombinasi kanal
yang terbaik.
3.3. Melakukan Formulasi Algoritma Identifikasi dengan
menggunakan Model Regresi dengan Data
Lapangan.
3.4. Melakukan penajaman citra untuk mendapatkan
tampilan yang tajam.
3.5. Melakukan pemotongan citra pada objek yang
dikehendaki sehingga memudahkan analisis.
4. Melakukan klasifikasi 4.1. Mempersiapkan citra terkoreksi
tak terbimbing 4.2. Melakukan klasifikasi unsupervised dengan input
(Unsupervised) semua kanal pada citra.
4.3. Melakukan reclass pada citra yang telah terklasifikasi
dengan mengacu pada tampilan RGB citra ataupun
informasi lainnya (data survei, RBI, dan lain
sebagainya)
4.4. Melakukan identifikasi objek
5. Melakukan klasifikasi 5.1. Mempersiapkan citra terkoreksi
4
terbimbing 5.2. Melakukan training area pada objek yang akan
(Supervised) diklasifikasi dengan jumlah sampel minimal 30 untuk
masing-masing objek.
5.3. Melakukan klasifikasi supervised pada citra
5.4. Melakukan reclass pada citra yang telah terklasifikasi
pada tampilan RGB citra ataupun informasi lainnya
(data survei, RBI, dan lain sebagainya)
6. Uji akurasi hasil 6.1. Uji akurasi dilakukan dengan membandingkan
klasifikasi antara nilai dari data lapangan dengan data citra
6.2. Akurasi diperoleh dari hasil analisis regresi data citra
dengan data lapangan
7. Penyimpanan data 7.1. Menyediakan media penyimpanan untuk citra hasil
hasil klasifikasi klasifikasi dengan format yang telah ditentukan.
2.3. Metodologi
2.3.1. Bahan dan Material
Data yang digunakan adalah data penginderaan jauh berupa raster yang telah
terkoreksi radiometrik, geometrik, dan atmosferik yang telah dilakukan oleh
PUTEKDATA LAPAN. Data yang diperoleh berupa data reflektans multi spektral
dengan format *.tif.
Data citra yang digunakan pada pedoman teknis MPT ini adalah data raster
sensor optis Landsat 8. Landsat 8 adalah generasi terbaru menggantikan Landsat 7
yang memiliki sensor Onboard Operational Land Imager (OLI) dan Thermal Infrared
Sensor (TIRS) dengan jumlah kanal sebanyak 11 dimana kanal 1-9 berada pada OLI
dan kanal 10 dan 11 pada TIRS. Data citra satelit Landsat 8 memiliki resolusi spasial
30 m untuk kanal 1, 2, 3, 4, 5, 6,7, dan kanal 9 sedangkan kanal panchromatic
memiliki resolusi spasial 15 m. Selain beresolusi spasial 30 m dan 15 m, pada kanal
10 dan 11 yang merupakan kanal TIR-1 dan TIR-2 memiliki resolusi spasial 100 m.
Pedoman ini dibuat untuk pengolahan data citra Landsat 8. Landsat 8 adalah
generasi terbaru menggantikan Landsat 7 yang memiliki sensor Onboard
Operational Land Imager (OLI) dan Thermal Infrared Sensor (TIRS) dengan jumlah
kanal sebanyak 11 dimana kanal 1-9 berada pada OLI dan kanal 10 dan 11 pada
TIRS. Data citra satelit Landsat 8 memiliki resolusi spasial 30 m untuk kanal 1, 2, 3,
4, 5, 6,7, dan kanal 9 sedangkan kanal panchromatic memiliki resolusi spasial 15 m.
Selain beresolusi spasial 30 m dan 15 m, pada kanal 10 dan 11 yang merupakan
kanal TIR-1 dan TIR-2 memiliki resolusi spasial 100 m. Kelebihan data Landsat 8
adalah adanya kanal Near Infra Red (NIR-Kanal 5) sehingga dengan menggunakan
kombinasi RGB yang tepat akan menunjukkan lokasi sebaran MPT.
Pada data Landsat generasi sebelumnya, tingkat keabuan (Digital Number-DN)
berkisar pada 0-256 sedangkan pada data cita Landsat 8 memiliki tingkat keabuan
0-4096. Hal ini disebabkan oleh adanya peningkatan sensitifitas yang semula tiap
piksel memiliki kuantifikasi 8 bit sekarang telah meningkat menjadi 12 bit.
Peningkatan ini menjadikan proses interpretasi objek di permukaan menjadi lebih
mudah (Sugiarto, 2013). Spesifikasi kanal untuk Landsat 8 dapat dilihat pada Tabel
2.
5
Tabel 2. Karakteristik Landsat 8
Panjang
Kanal Gelombang Keterangan
µm
1 – aerosol pesisir 0.43 – 0.45 Studi aerosol dan wilayah
pesisir
2 – biru 0.45 – 0.51 Pemetaan bathimetrik,
membedakan tanah dari
vegetasi dan daun dari vegetasi
konifer
3 – hijau 0.53 – 0.59 Mempertegas puncak vegetasi
untuk menilai kekuatan vegetasi
4 – merah 0.64 – 0.67 Membedakan sudut vegetasi
5 – Infra Merah Dekat- 0.85 – 0.88 Menekankan konten biomassa
Near Infrared (NIR) dan garis pantai
6 – short – wave 1.57 – 1.65 Mendiskriminasikan kadar air
infrared (SWIR 1) tanah dan vegetasi; menembus
awan tipis
7 – short – wave 2.11 – 2.29 Peningkatan kadar air tanah dan
infrared (SWIR 2) vegetasi dan penetrasi awan
tipis
8 – Pankromatic 0.50 – 0.68 Resolusi 15 m, penajaman citra
9 – Sirus 1.36 – 1.68 Peningkatan deteksi awan sirus
yang terkontaminasi
10 – TIRS 1 10.60 – Resolusi 100 m, pemetaan suhu
11.19 dan penghitungan kelembaban
tanah
11 – TIRS 2 11.5 – Resolusi 100 m, peningkatan
12.51 pemetaan suhu dan
penghitungan kelembaban
tanah
Sumber: Widjaja, 2014.
2.3.2. Peralatan
Peralatan dan software yang digunakan pada pengolahan data penginderaan
jauh untuk identifikasi sebran MPT adalah personal komputer, software pengolahan
data penginderaan jauh serta peralatan terkait dengan survei lapangan.
Peralatan yang diperlukan untuk mengambil sample air adalah botol PE yang
tebal. Sample air yang diambil sebanyak 100-250 ml. Sebelum dilakukan analisis
pengukuran kandungan MPT di laboratorium, maka perlu dilakukan penyaringan
menggunakan kertas saring (membran filter) dengan bantuan alat vakum (hand
pump atau listrik). Membran filter hasil penyaringan sample air kemudian dibungkus
dengan aluminium foil dan dimasukkan ke dalam plastik ziplock kemudian disimpan
dalam alat pendingin dengan suhu 4 °C. Membran filter TSM siap untuk dikirim ke
laboratorium Untuk pengukuran di laboratorium digunakan metode analisis APHA,
ed. 22, 2012, 2540-D.
7
geometris dan radiometris. Pra pengolahan data telah dilakukan oleh PUSTEKDATA
LAPAN.
2.3.4.1.1.Koreksi Geometris
Koreksi geometrik diperlukan untuk mentransformasi citra hasil penginderaan
jauh sehingga citra tersebut mempunyai sifat-sifat peta dalam bentuk, skala dan
proyeksi. Transformasi geometrik yang paling mendasar adalah penempatan
kembali posisi piksel sedemikian rupa, sehingga pada citra digital yang
tertransformasi dapat dilihat gambaran objek dipermukaan bumi yang terekam
sensor.
Citra rujukan Titik kontrol
2. Metode Regresi
Penyesuaian regresi (Regression Adjusment) diterapkan dengan memplot nilai-nilai
piksel hasil pengamatan dengan beberapa kanal sekaligus.Hal ini diterapkan apabila
ada saluran rujukan (yang relatif bebas gangguan) yang menyajikan nilai nol untuk
obyek tertentu, biasanya air laut dalam atau bayangan. Kemudian tiap saluran
dipasangkan dengan saluran rujukan tersebut untuk membentuk diagram pancar
nilai piksel yang diamati. Saluran rujukan yang digunakan adalah saluran infra
merah dekat. Cara ini efektif mengurangi gangguan atmosfer yang terjadi hampir
pada semua saluran tampak bahkan mendekati perhitungan koreksi radiometrik
metode absolut. Walaupun metode ini melewati beberapa tahap yang cukup rumit,
akan tetapi hasilnya tidak selalu baik. Hal ini disebabkan karena tidak setiap citra
mempunyai nilai piksel objek yang ideal sebagai rujukan, seperti air dalam atau
bayangan awan.
9
Gambar 5. Koreksi Radiometrik Metode Regresi
(1)
dimana:
SDi = Standar deviasi kanal i
ABS = Nilai absolut koefisien korelasi dua kanal dari kemungkinan tiga kanal
10
Teknik ini dapat digunakan untuk mempertajam kenampakan objek secara
keseluruhan mempertajam tepian, menghaluskan noise/gangguan, memunculkan
spesifik area tertentu di citra. Adapun teknis penajaman dengan perentangan linear
dapat dilakukan dengan melihat distribusi nilai piksel citra asli terlebih dahulu (nilai
terendah dan tertinggi), kemudian nilai terendah tersebut direntangkan menjadi
bernilai nol, dan nilai tertinggi ditarik ke nilai maksimum bit (binary digit) citra yang
digunakan. Metode ini biasa disebut sebagai perentangan linear minimum-
maksimum. Perentangan linear dapat pula dilakukan secara otomatis dengan
memasukkan nilai persentase perentangan (biasanya berkisar antara 1 – 3 atau 5%)
pada histogram masing-masing citra asli.
Teknis perentangan dilakukan masing-masing terhadap band merah, hijau, dan
biru dalam komposisi warna RGB. Perentangan linear juga dapat dilakukan secara
interaktif, dengan cara menarik garis transformasi (transform line) menjadi nilai
minimum dan maksimum citra output. Ini sangat bermanfaat pada saat penentuan
training area obyek maupun membantu pemilihan GCP untuk koreksi geometrik.
13
Bab III
Penutup
DAFTAR PUSTAKA
15
PUSAT PEMANFAATAN PENGINDERAAN JAUH - 2015