FEBBY LAWRENCE SINAGA (201964025)

KLOROFIL PENGGUNAAN TEKNOLOGI

Klorofil merupakan suatu zat yang sangat
dibutuhkan tumbuhan dalam proses fotosintesis,
di mana zat ini terletak di bagian dalam suatu
tumbuhan (Nybakken, 1992).
Klorofil-a merupakan pigmen aktif dalam tubuh
fitoplankton yang dapat digunakan sebagai
indikator tingkat kesuburan perairan.
Konsentrasi klorofil-a merupakan salah satu
parameter yang sangat menentukan produktivitas
primer di laut karena merupakan pigmen penting
yang terdapat pada fitoplankton yang digunakan
untuk proses fotosintesis.
Pengukuran klorofil-a dapat dilakukan dengan
dua cara yaitu konvensional dan menggunakan
pemanfaatan teknologi penginderaan jauh.
Faktor-faktor yang mempengaruhi
Klorofil-a
PENGINDERAAN JAUH DALAM
MENDETEKSI KLOROFIL-A DI PERAIRAN
Dalam teknologi pengindraan jauh terdapat beberapa
komponen dalam pengambilan data yang saling
berhubungan , komponen-komponen tersebut yaitu
(lillesand dan kiefer, 1990):
a. sumber energy berupa radiasi elektromagnetik yang
berasal dari matahari dan bulan
b. atmosfer, merupakan media lintasan dari energi
elektromagnetik
c. interaksi antara energy dan objek atau target.
d. sensor, yaitu alat yang mendeteksi radiasi
gelombang elektromagnetik dari suatu objek dan
mengubahnya kedalam bentuk sinyal yang bisa
direkam.
e. perolehan data yang dapat dilakukan dengan
interpretasi secara manual yaitu interpretasi visual dan
interpretasi digital dengan bantuan computer.
f. hasil informasi dalam bentuk peta, table dan
laporan.
g. pengguna data.

Arus Berperan penting dalam penyebaran

klorofil-a, dikarenakan arus berperan dalam
penyebaran parameter-parameter fisik dan kimia
perairan serta menjadi penentu keberadaan dan
distribusi organisme laut.
Suhu Suhu di laut adalah salah satu faktor yang
sangat penting bagi Kehidupan organisme di
lautan, karena suhu mempengaruhi baik
Metabolisme maupun perkembangbiakan dari
organisme-organisme tersebut.
DO Salah satu faktor yang yang mempengaruhi
kandungan oksigen terlarut dalam perairan erat
kaitannya dengan sumber masukan dan
pemanfaatan Oksigen itu sendiri.
pH keberadaan suatu organisme di perairan
sangat di pengaruhi oleh ph serta memiliki
kemampuaan yang berbeda dalam mentolerir ph
tersebut.
Salinitas Salinitas merupakan salah satu
parameter yang berpengaruh dalam menentukan
keberadaan suatu organisme.
Nutrien Nutrien merupakan salah satu faktor
yang dapat mempengaruhi kelimpahan klorofil-a
di perairan.
keterangan :
Zi = data hasil analisis citra
Zj = data hasil analisis laboratorium
JENIS CITRA YANG DAPAT DI GUNAKAN
n = jumlah data
citra satelit aqua-modis level 2
citra landsat-7 etm
satelit terra aster
Aster (advanced spaceborne thermal emission and
reflection radiometer) merupakan salah satu
instrumen observasi yang ada pada satelit terra.
satelit ini memiliki orbit sinkron dengan matahari
(sun-synchronous) dengan waktu orbit 30 menit di
belakang satelit landsat.
terra aster memiliki 14 spektral kanal, mulai dari
kanal tampak sampai kanal infra merah termal dan
memiliki resolusi spasial serta resolusi radiometrik
yang cukup tinggi.
Instrumen ASTER terdiri dari tiga subsistem yang
berbeda yaitu VNIR (Visible and Near Infrared),
SWIR (Shortwave Infrared) dan TIR (Thermal
Infrared).
Karakteristik untuk instrumen ASTER dapat
dilihat pada Tabel 3.
 PROSEDUR PENELITIAN
ANALISI DATA
Analisis citra
pengolahan citra untuk memperolah data klorofil
menggunakan citra satelit aqua-modis level 2 yang
di peroleh dari situs
http://oceancolor.gsfc.nasa.gov/ dan diolah dengan
menggunakan software pengolahan citra.
Hubungan klorofil dengan pola arus dan parameter
lainnya
1. untuk mengetahui hubungan antara klorofil-a
dengan arah arus dilakukan overlay peta sebaran
klorofil-a dengan peta pola persebaran/penyebaran
arah arus.
2. untuk melihat pengaruh sebaran klorofil-a
dengan Kecepatan arus dianalisis dengan regresi
linear sederhana.
Uji Akurasi Hasil Ekstraksi Citra
Uji analisis menggunakan RMS Error. RMS Error
akan memberikan perbedaan antara data insitu dan
data hasil ekstraksi citra satelit. semakin kecil nilai
RMS error maka data yang diperoleh semakin baik
dan akurat (Nuriyah, 2010)
 citra satelit Landsat 8 menggunakan
software ENVI 5.1
 citra Satelit Landsat 5 menggunakan
software ENVI 5.0
 data citra satelit SeaWiFS
 Citra Satelit MERIS
Estimasi klorofil-a dari satelit
Satelit menggunakan sifat pantulan optis air untuk
mengidentifikasi klorofil-a
Namun seringkali pantulan yang didapat tidak
hanya murni berasal dari klorofil-a tetapi juga
dipengaruhi oleh komponen lain (Gambar 2).
Berdasarkan sifat optiknya Gordon dan Morel
(1983) in IOCCG (2000) membagi kasus air
menjadi dua yaitu, kasus air satu merupakan
kondisi dimana fitoplankton mendominasi sifat
optik perairan. Sedangkan pada kasus air dua sifat
optik perairan selain di pengarugi oleh fitopnakton
juga dipengaruhi material terlarut dan yellow
substance.
 Karakteristik sensor Aqua-MODIS
MODIS (Moderate Resolution Imaging
Spectroradiometer) merupakan sensor dengan
mekanisme pemindaian melintang arah gerak orbit
(across-track scanning).
Sensor MODIS memiliki 36 kanal dengan kisaran
spektral panjang gelombang (0,4 - 14,4
μm).Sebagian besar kanal MODIS memiliki
resolusi spasial sebesar 1 km (29 kanal), tetapi
terdapat juga kanal yang memiliki resolusi spasial
sebesar 250 m (2 kanal) dan 500 m (5 kanal),
dimana 2 kanal pada 500 m dan 1 kanal pada 250
m memiliki rentang spektral pada daerah tengah
sinar tampak (Tabel 3 dan Tabel 4).
Karakteristik sensor Sea WiFS
Satelit SeaWiFS pertama kali dioperasikan pada
tanggal 18 September 1997 dan sejak itu telah
memproduksi perkiraan karakteristik bio-optikal
dan klorofil-a perairan global.
Satelit SeaWiFS adalah program kerjasama antara
NASA-GSFC (National Aeronautics and Space
Administration – Goddard Space Flight Center)
dengan OCS (Orbital Sciences Corporation).
Satelit tersebut mengambil data di permukaan
bumi dengan resolusi temporal harian. Sensor
SeaWiFS memiliki 8 kanal dalam kisaran panjang
gelombang sinar tampak dengan resolusi spasial 1
km (Tabel 5).

Satelit Aqua-MODIS mempunyai orbit polar sun-

synchronus, yang artinya satelit,akan melewati
tempat-tempat pada lintang dan waktu lokal yang
sama. Satelit ini melintasi equator pada siang hari
mendekati pukul 13.30 waktu lokal dan
mengelilingi bumi setiap satu sampai dua hari
dengan arah lintasan dari kutub selatan menuju
kutub utara (ascending node) pada ketinggian 705
km (Maccherone, 2005).

Perbandingan sensor Aqua-MODIS dan

SeaWiFS
Perbedaan jenis sensor dapat menyebabkan
perbedaan hasil pengukuran.
Citra Satelit MERIS
Medium Resolution Imaging Spectrometer
(MERIS) adalah salah satu sensor penginderaan
jauh yang dipasang di satelit ENVISAT milik
Badan Angkasa Luar Eropa (ESA).
Misi utama dari satelit MERIS adalah
didedikasikan untuk lautan dan pengamatan warna
pesisir air laut.
Pengetahuan tentang warna laut dapat dikonversi
menjadi pengukuran pigmen konsentrasi klorofil,
konsentrasi sedimen tersuspensi dan beban aerosol
atas domain laut.
-Pengholahan data-
Metode pengolahan data
 Proses pengolahan terdiri dari beberapa
bagian seperti pengambilan data insitu kualitas
perairan, pengumpulan data klimatologi (curah
hujan, arah dan kecepatan angin) dari stasiun
BMG Tanjung Priok, dan pengolahan data satelit
(SeaWiFS, Aqua-MODIS dan AVHRR).
 Pengukuran parameter fisika kualitas
perairan in situ yang dilakukan oleh P2O-LIPI
meliputi suhu permukaan laut (SPL) dan salinitas
yang diukur dengan digital termometer dan CTD
(Conductivity Temperature Depth).
 Proses pengolahan data konsentrasi
klorofil-a dari satelit menggunakan perangkat
lunak SeaDAS 5.2 yang menyediakan fasilitas
untuk memproses data citra Aqua-MODIS dan
SeaWiFS level 3 dengan sekaligus melakukan
koreksi geografis, koreksi,atmosferik dan langsung
menerapkan algoritma bio-optikal untuk
menghitung konsentrasi klorofil-a. Algoritma yang
digunakan untuk menduga konsentrasi klorofil-a
dari citra Aqua-MODIS adalah OC3M (Ocean
Chlorophyll 3-band algorithm MODIS) dan untuk
citra SeaWiFS menggunakan OC4v4 (Ocean
Chlorophyll 4-band algorithm version 4).
Algoritma pendeteksi klorofil-a
Algoritma pendeteksi klorofil-a ini dibuat
berdasarkan pengambilan data insitu SeaBAM
dengan karakteristik dataset sebagai berikut
(O'Reilly et al., 2000) :
1. Sebagian besar data berasal dari case one water
dan perairan non polar.
2. Nilai konsentrasi klorofil-a yang didapat dari
perairan oligotropik sebagian besar bernilai kurang
dari 0,05 mg/m3 dan dari daerah perairan eutropik
memiliki nilai lebih dari 3 mg/m3
3. Nilai klorofil-a insitu didapat dari pengukuran
florometrik dan HPLC (High Performance Liquid
Chromatography).
4. Terjadi pergesaran dan penyesuaian nilai Rrs (λ)
(radiansi) dari sensor SeaWiFS dan Aqua-MODIS.
Pengolahan suhu permukaan laut dari
satelit
*Suhu Permukaan Laut (SPL) dihasilkan dari
satelit NOAA-AVHRR (National Oceanic and
Atmospheric Administration-Advanced Very High
Resolution Radiometer) dengan menggunakan
algoritma pathfinder v5.
*Algoritma SPL pathfinder v5 merupakan
modifikasi dari algoritma SPL Non Linier
(NLSST) yang dibuat berdasarkan perbedaan nilai
suhu kecerahan pada kanal 4 dan 5 (T4-T5).
Koefisien algoritma (T4-T5) dihitung berdasarkan
2 kelompok uap air yaitu, T4-T5 ≤ 0,7o C dan T4-
T5 > 0,7o C (Kilpatrick et al., 2001; Evans dan
Podestà, 1998).
*Keterangan : a, b, c, dan d = koefisien
determinasi regresi linier pada data base SPL in
situ hasil mooring dan buoy dengan resolusi
spasial antar pengukuran 0,1o dan resolusi
temporal tidak lebih dari 30 menit. SPLguess
merupakan nilai perkiraan pertama SPL dari
Reynolds OISST dan q merupakan sudut zenith
dari satelit.
Analisis deret waktu
klorofil-a diubah domainnya dari berbasis waktu
menjadi berbasis frekuensi dengan metode Fast
Fourier Transform (FFT) (Bendat dan Pierson,
1986 in Rauf, 2007)
dengan persamaan :
Dimana :
N = jumlah data
n = jumlah data setiap I data (n= 1,2,3,4,5,.........N-
1)
i = √-1 (bilangan imajiner)
fk = menunjukkan frekuensi ke-k (1≤k≤N)
∆t = beda waktu pengambilan data
Sxx(fk) = fungsi spektrum pada frekuensi ke-k (fk)
X(fk) = fungsi Fast Fourier Transform pada
frekuensi ke-k (fk)
Pengolahan Data Lapangan
Uji Lapangan (Grond Truth) Ground truth adalah
proses pencocokan hasil klasifikasi citra dengan
keadaan di lapangan untuk mengetahui
penyimpangan-penyimpangan atau kesalahan-
kesalahan yang terjadi.
Dalam kasus ini yang dilakukan adalah dengan
mengambil samper air laut pada spot-spot atau
daerah yang sudah direncanakan yang kemudian
akan dilakukan hasil tes laboratorium untuk
mengetahui kandungan konsentrasi dari Ph , suhu,
salinitas serta muatan padat tersuspensi yang
nantinya akan digunakan sebagai validasi data dari
data citra satelit.
Pengolahan Citra Satelit
Pemotongan Citra (Cropping)
Pemotongan citra dilakukan untuk membatasi
daerah penelitian sehingga penelitian dapat
terfokuskan pada area yang perlu saja dan
memperkecil memori penyimpanan sehingga
mempercepat proses pengolahan data. Cropping
bisa dilakukan untuk data spasial maupun data
spektral (Danoedoro, 2012).
Koreksi Geometrik
Koreksi geometrik dilakukan sesuai dengan jenis
atau penyebab kesalahannya, yaitu kesalahan
sistematik dan kesalahan random, dengan sifat
distorsi geometrik pada citra. Koreksi geometrik
mempunyai tiga tujuan yaitu (1) melakukan
rektifikasi (pembetulan) atau restorasi (pemulihan)
agar citra koordinat citra sesuai dengan koordinat
geografi ; (2) registrasi (mencocokkan) posisi citra
dengan citra lain atau mentransformasikan sistem
koordinat citra multispektral atau citra multi
temporal ; (3) registrasi citra ke peta atau
transformasi sistem koordinat citra ke peta yang
menghasilkan citra dengan sistem proyeksi tertentu
(Danoedoro, 2012).
Koreksi Radiometrik
Koreksi radiometrik merupakan perbaikan akibat
cacat atau kesalahan radiometrik, yaitu kesalahan
pada sistem optik. Kesalahan karena gangguan
energi radiasi elektromagnetik pada atmosfer, dan
kesalahan karena pengaruh sudut elevasi matahari
(Danoedoro, 2012).
Strength Of Figure
Penentuan posisi dan jumlah titik kontrol tanah
sangat mempengaruhi hasil strengh of figure yang
juga berpengaruh pada tingkat ketelitian citra
tersebut. strengh of figure adalah tingkat kekuatan
geometrik dari rangkaian segitiga yang
menentukan penyebaran kesalahan dalam perataan
jaringan. Kekuatan geometrik dicerminkan dengan
harga strengh of figure yang paling kecil, hal ini
akan menjamin ketelitian yang merata pada
seluruh jaring (Danoedoro, 2012).