ANALISIS PENGOLAHAN CITRA PENGINDERAAN JAUH

DENGAN METODE KLASIFIKASI TAK TERBIMBING

Hamza Ahmad Zulkarnaen

PROGRAM STUDI MATEMATIKA

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS ISLAM NEGERI

SYARIF HIDAYATULLAH

JAKARTA

2012 M / 1433 H
ANALISIS PENGOLAHAN CITRA PENGINDERAAN JAUH DENGAN

METODE KLASIFIKASI TAK TERBIMBING

Skripsi

Sebagai Salah Satu Syarat Untuk Memperoleh

Gelar Sarjana Sains

Fakultas Sains dan Teknologi

Universitas Islam Negeri Syarif Hidayatullah Jakarta

Oleh :

Hamza Ahmad Zulkarnaen

107094002345

PROGRAM STUDI MATEMATIKA

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS ISLAM NEGERI

SYARIF HIDAYATULLAH

JAKARTA

2012 M / 1433 H
 PERNYATAAN

DENGAN INI SAYA MENYATAKAN BAHWA SKRIPSI INI BENAR – BENAR HASIL

KARYA SENDIRI YANG BELUM PERNAH DIAJUKAN SEBAGAI SKRIPSI PADA

PERGURUAN TINGGI ATAU LEMBAGA MANAPUN.

Jakarta, Maret 2012

Hamza Ahmad Zulkarnaen

107094002345

iii
 PERSEMBAHAN

Dengan menyebut nama Allah Yang Maha Pemurah lagi Maha Penyayang

Skripsi ini aku persembahkan untuk ayah ibu ku, adik-adikku, saudara-saudaraku, sahabat-

sahabatku dan kepada seluruh keluarga besar Prodi Matematika, terimakasih atas segalanya.

Semoga kita selalu diridhoi Allah SWT dan selalu dalam lindungan-Nya.

serta selalu dibukakan pintu rahmat, kasih sayang dan hidayah-Nya kepada kita semua. Amiin.

Motto

Don’t give up tommorow never die

Bersabar

Senyum

Berpikir positif

Dunia ini tak perlu banyak orang yang hebat, orang pintar, tapi dunia ini butuh orang yang

MAU,

Mau bekerja keras,

Mau berpikir,

Mau menolong,

Mau berkata, “ya saya mau”.

iv
 ABSTRAK

Hasil citra pengindraan jauh untuk belum bisa secara langsung diinpretasikan karena hasil

yang diperoleh hanya sebuah nilai matriks yang bernilai 0 – 255 yang mewakili satu buah citra,

diperlukan pengolahan citra digital agar memperoleh hasil citra yang baik agak dapat diinpretasikan

dengan baik. Adapun untuk mengkoreksi citra hasil penginderaan jauh ini dilakukan koreksi

geometrik dan koreksi radiometrik. Untuk membaca citra hasil penginderaan jauh menggunakan

Metode Klasifikasi tak terbimbing.

Dalam skripsi ini penulis menganalisa bagaimana cara kerja pengolahan kerja yang dilakukan

komputer dan perhitungan matematis dalam pengolahan citra. Dari hasil analisa untuk koreksi

radiometrik diperlukan pengurangan nilai matris sendiri untuk menghilangkan nois. Untuk koreksi

geometrik diperlukan transformasi affine agar citra sesuai posisinya dengan yang sebenarnya.

Kalsifikasi lahan yaitu dengan klasifikasi tak terbimbing menggunakan metode analisis klaster

dengan hasil dari klasifikasi tak terbimbing pada P. Lancang didominasi oleh pantai yang

mencapai 77%, berikutnya pemukiman 14,5% dan lahan hijau hanya 8,1%.

Hasil pengukuran penelitian ini berbeda dengan data berdasarkan Pusat Oseanografi LIPI

Tahun 2010, bahkan perbedaan hingga mencapai 31,85 ha pada penetuan luas pulau. Perbedaan

tersebut tidak dapat dijelaskan secara pasti dalam penelitian ini. Perbedaan terkecil yaitu pada

pengukuran daerah pasir 1,16 ha.

Kata kunci: Analisis Klaster, Citra, Grayscale, , Klasifikasi Tak Terbimbing, Koreksi Geometrik, Koreksi

Radiometrik, Penginderaan Jauh, dan Tranformasi Affine.

v
 ABSTRACT

The results of remote sensing images have not been able to directly read because the

results obtained only a value matrix that is worth 0-255 representing one image, digital image

processing is required in order to obtain a good image results can be read rather well. As for

correcting the results of remote sensing imagery is performed geometric correction and the

correction radiometric. For read the results of remote sensing image classification method using

unguided.

In this thesis the author analyzes how the workings of the processing work done in

computer and mathematical image processing. From the analysis of radiometric correction is

necessary for the reduction of the value of its own to eliminate matrix noise. For the geometric

correction is required affine transformation and bilinear interpolation image corresponding to

the actual position. Classification area with unsupervised classification using of method cluster

analysis and the result in Lancang Island dominate of beach reach 77%, settlement 14,5% green

area have value 8,1%.

Result measurenment this reseasch has different with Oceanografi Centre LIPI 2010.

Even the value differen until 31,85 ha in area of island. This differen value cannot be explain in

the reseach. Smallest different has of sands area it is 1,16 ha..

Keywords: Affine Transformation, Cluster Analysis, Geometric Correction, Grayscale, Image,

Radiometric Correction, Remote Sensing, and Unsupervised Classification.

vi
 KATA PENGANTAR

Segala puji dan syukur hanya bagi Allah Rabb alam semesta, atas nikmat dan hidayah-Nya

kepadaku. Shalawat serta salam semoga senantiasa tercurah kepada junjungan dan tauladan kita,

Baginda Nabi Besar Muhammad saw, serta keluarga, sahabat, dan segenap pengikutnya sampai

Yaumil Qiyamah. Dengan mengucapkan Alhamdulillah hirobbil a’lamin berkat rahmat dan izin-

Nya,

akhirnya penulis dapat menyelesaikan skripsi ini.

Dalam kesempatan yang baik ini, perkenankan penulis menghaturkan

ucapan Terima Kasih kepada:

1. DR. Syopiansyah Jaya Putra, M.Sis, Dekan Fakultas Sains dan Teknologi UIN Syarif

Hidayatullah Jakarta.

2. Yanne Irene, M.Si, Ketua Prodi Matematika Fakultas Sains dan Teknologi UIN Syarif

Hidayatullah Jakarta.

3. Suma’inna, M.Si, Pembimbing I yang telah memberi pengarahan, saran, dan motivasi

kepada penulis selama ini serta banyak meluangkan waktu untuk membimbing penulis.

4. Gustina Elfiyanti, M.Si, Pembimbing II yang telah memberikan nasehat dan semangat

kepada penulis.

5. Taufik Edy Sutanto, M.Sc.Tech, Dr.Agus Salim, Bambang Ruswandi M.Stat, Hata

Maulana M.kom dan seluruh dosen Jurusan MIPA Program Studi Matematika yang

telah mengajarkan ilmu-ilmu yang bermanfaat bagi penulis selama kuliah.

vii
 6. Bu Tari, Bu Sukma, Ka Niki, dan seluruh pegawai akademik Fakultas Sains dan

Teknologi yang telah memberikan kemudahan dalam melakukan proses administrasi.

7. Kedua orang tuaku dan adik-adikku tercinta, yang senantiasa memberikan bantuan,

dukungan dan doanya sehingga terselesaikannya skripsi ini.

8. Teman-teman Matematika angkatan 2007, teman-teman informatika,.

9. Teman-teman mahasiswa matematika angkatan 2002 s/d 2011, terima kasih atas kerja

samanya.

10. Hidup ini takkan indah jika dijalani sendiri, untuk wanita yang ku sayangi setelah ibu ku

Yuswinda Rachmalia terimaksih banyak atas motivasinya.

Dengan terselesaikannya skripsi ini, penulis berharap dapat memberikan manfaat dan kontribusi

yang berarti, baik bagi para pembaca pada umumnya dan bagi penulis pada khususnya. Berkaitan

dengan penyusunan skripsi ini yang masih jauh dari kesempurnaan. Oleh karena itu kritik dan

saran konstruktif sangat penulis harapkan.

Semoga kita selalu berada di jalan-Nya serta selalu mendapatkan rahmat dan hidayah-Nya. Amin

Jakarta, Maret 2012

penulis

viii
 DAFTAR ISI

HALAMAN JUDUL ......................................................................................................................... i

PENGESAHAN SKRIPSI ................................................................................................................. ii

PERNYATAAN ................................................................................................................................ iii

PERSEMBAHAN .............................................................................................................................. iv

ABSTRAK ......................................................................................................................................... v

ABSTRACT ....................................................................................................................................... vi

KATA PENGANTAR ....................................................................................................................... viii

DAFTAR ISI ...................................................................................................................................... .ix

DAFTAR GAMBAR .......................................................................................................................... xi

BAB I PENDAHULUAN ................................................................................................................... 1

1.1. Latar Belakang .................................................................................................... 1

1.2. Permasalahan ....................................................................................................... 2

1.3. Pembatasan Masalah ........................................................................................... 3

1.4. Tujuan.................................................................................................................. 3

1.5. Manfaat ............................................................................................................... 3

BAB II TINJAUAN PUSTAKA ........................................................................................................ 5

2.1 Citra Digital .......................................................................................................... 5

2.1.1 Pengertian Citra Digital ............................................................................ 5

2.1.2 Digitalisasi Citra ....................................................................................... 6

2.2 Penginderaan Jauh ............................................................................................... 11

2.3 ALOS (Advanced Land Obseving Satelit) .......................................................... 12

2.4 Tahapan Pengolahan Citra Pengideraan Jauh ..................................................... 11

ix
 2.4.1 Koreksi Radiometrik .............................................................................. 11

2.4.2 Koreksi Geometrik ................................................................................. 13

2.4.3 Klasifikasi tak Terbimbing ..................................................................... 15

2.5 Transformasi Affine ............................................................................................. 15

2.6 Analisis Klaster ................................................................................................... 16

BAB III METODOLOGI PENELITIAN ......................................................................................... 19

3.1 Data ................................................................................................................. 19

3.2 Pengolahan Citra Digital ................................................................................ 19

3.3 Alur Pengolahan Citra .................................................................................... 20

BAB IV HASIL DAN PEMBAHASAN ............................................................................... 21

4.1 Pembahasan Data ........................................................................................... 21

4.2 Proses Koreksi Radiometrik ........................................................................... 22

4.3 Proses Koreksi geometrik ............................................................................... 24

4.4 Proses Klsifikasi Tak Terbimbing ................................................................... 25

BAB V KESIMPULAN DAN SARAN ............................................................................................. 29

5.1 Kesimpulan........................................................................................................... 29

5.2 Saran ..................................................................................................................... 29

Daftar Pustaka ..................................................................................................................................... 31

x
 DAFTAR GAMBAR

Gambar 2.1 Skema Umum Pengideraan Jauh ............................................................................ 7

Gambar 2.2 Skema satelit ALOS (Advanced Land Observing Satellite) .................................... 9

Gambar 2.3 Matriks A, Matriks Awal ........................................................................................ 12

Gambar 2.4 Matriks B, Matriks Setelah Koreksi Radiometrik .................................................. 12

Gambar 3.1 Flowchart Analisis Pengolahan Citra Pengideraan Jauh ........................................ 20

Gambar 4.1 Hasi Citra penginderaan Jauh 1 (Band 1) ............................................................... 21

Gambar 4.2 Hasil Citra Penginderan Jauh 2 (Band 2) ............................................................... 21

Gambar 4.3 Hasil Citra Penginderan Jauh 3 (Band 3) ............................................................... 21

Gambar 4.4 Pembacaan citra sebelum koreksi radiometrik ........................................................ 23

Gambar 4.5 Pembacaan citra setelah koreksi radiometrik .......................................................... 23

Gambar 4.6 Citra Sebelum Koreksi Geometrik ......................................................................... 24

Gambar 4.7 Citra Setelah Koreksi Geometrik............................................................................. 24

Gambar 4.8 Nilai transformasi warna RGB pada komputer ...................................................... 25

Gambar 4.9 Penetuan Warna Untuk Klasifikasi ......................................................................... 26

Gambar 4.10 Hasil Klasifikasi Tak Terbimbing ......................................................................... 27

xi
 DAFTAR TABEL

Tabel 1.1 Karakteristik Citra ALOS .......................................................................................... 10

Tabel 4.1 Proses proses koreksi geometrik ................................................................................. 24

Tabel 4.2 Deskripsi Pengklasifikasian Kelas .............................................................................. 26

Tabel 4.3 Luasan Penutupan Lahan Hasil Klasifikasi ................................................................... 27

Tabel 4.4 Data Pulau lancang pada keadaan sebenarnya ............................................................ 27

xii
 BAB I

PENDAHULUAN

1.1 Latar Belakang

Teknologi penginderaan jauh adalah suatu kegiatan pengamatan obyek atau

suatu daerah tanpa melalui kontak langsung dengan obyek tersebut. Definisi tersebut

adalah definisi ideal dalam suatu kegiatan pengamatan daerah tertentu yang pada

kenyataannya selalu membutuhkan data lapangan untuk verifikasi data yang

dihasilkan melalui penginderaan jauh. Tetapi dapat mengamati wilayah yang luas

dalam waktu yang relatif singkat, sehingga biaya yang dikeluarkan seharusnya lebih

murah bila dibandingkan dengan melakukan kegiatan pengamatan secara langsung

pada wilayah yang sama.

Penginderaan jauh sudah semakin berkembang hari demi hari serta semakin

dibutuhkan untuk kepentingan yang lebih luas. Guna mendapatkan hasil dari data

penginderaan jauh yang sesuai dengan yang diharapkan, tentu harus bisa

menganalisis hasil pengindraan jauh tersebut yang berupa citra dalam hal ini adalah

citra digital maka diperlukan pengolahan citra [8].

Pengolahan data citra merupakan suatu cara memanipulasi data citra atau

mengolah suatu data citra menjadi suatu keluaran (output) yang sesuai dengan yang

kita harapkan. Adapun cara pengolahan data citra itu sendiri melalui beberapa

tahapan, sampai menjadi suatu keluaran yang diharapkan. Tujuan dari pengolahan

1
citra adalah mempertajam data geografis dalam bentuk digital menjadi suatu tampilan

yang lebih berarti bagi pengguna, dapat memberikan informasi kuantitatif suatu

obyek, serta dapat memecahkan masalah [10].

Dalam hal ini penulis menganalisis citra hasil penangkapan penginderaan

jarak jauh dengan pendekatan nilai diskrit suatu gambar yang akan dipretasikan

secara komputasi oleh komputer. Nilai-nilai diskrit pada citra digtal ini akan

diklasifikasikan dalam komputer dengan koreksi-koreksi citra sebelumnya agar hasil

citra dapat mengetahu tata guna lahan dan penampakannya di permukaan.

Berdasrkan urauian tersebut penelitian ini berjudul "Analisis Pengolahan Citra

Penginderaan Jauh dengan Klasifikasi tak Terbimbing".

1.2 Permasalahan

Setiap citra yang diperoleh dari pengideraan jarak jauh mempunyai banyak

gangguan [10]. Tapi bagaimana hasil citra ini dapat dibaca dan dianalisis dengan baik

maka perlu dilakukan pengolahan citra (image processing).

Masalah yang akan dibahas dalam skripsi ini adalah bagaimana perhitungan

matematika dalam pengolahan citra hasil pengideraan jauh, karena data yang diterima

oleh komputer merupakan data numerik [12]. Sehingga pada akhirnya citra yang

diperoleh dari pengideraan jauh sesuai dengan keadaan permukaan bumi sebenarnya.

2
1.3 Pembatasan Masalah

Di dalam penelitian ini, penulis membatasi permasalahan dengan ruang lingkup

sebagai beikut :

1. Masalah dibatasi menggunakan citra ALOS.

2. Daerah yang dianalisis terbatas pada Pulau Lancang, Kep. Seribu dengan

batas koordinat lintang 5055’25.87” S - 5056’34.55” dan batas koordinat bujur

106034’45.63”T – 106036’04.87”T.

3. Analisis dibatasi berdasarkan metode klasifikasi tak terbimbing.

1.4 Tujuan

Berdasarkan permasalahan di atas maka tujuan penelitian ini adalah mengolah

citra dan menganalisis hasil pengolahan citra. Menerapakan teori – teori matematika

dalam pengerjaannya.

Menerapkan metode klasifikasi tak terbimbing untuk menganalisis citra

digital yang telah diolah. Mengaplikasikannya pada pegolahan citra hasil pengideraan

jarak jauh. Dalam hal ini penulis ingin mengetahui tata guna lahan pada Pulau

Lancang.

3
1.5 Manfaat

Manfaat yang diperoleh dalam penelitian ini jika terdapat citra hasil

penginderaan jauh yang belum dapat banyak memberikan informasi, dengan

melakukan koreksi dan klasifikasi. Hasil yang diperoleh dapat memberikan informasi

lebih.

Dalam kegunaannya diharapkan penelitian ini dapat berguna untuk

pengolahan citra jarak jauh dan menambah kajian dalam pengolahan citra jarak jauh.

Penerapan matematis dalam analisis diharapkan menjadi acuan atau referensi bagi

penelitian selanjutnya.

4
 BAB II

TINJAUAN PUSTAKA

2.1 Citra Digital

2.1.1 Pengertian Citra Digital

Citra digital dapat didefinisikan sebagai fungsi dua variabel, dan tiga f(x,y),

dimana x dan y adalah koordinat spasial dan mempunyai f(x,y) adalah intensitas citra

pada koordinat tersebut. Teknologi dasar untuk menciptakan dan menampilkan warna

pada citra digital berdasarkan pada penelitian bahwa sebuah warna merupakan

kombinasi dari tiga warna dasar, yaitu merah, hijau, dan biru (Red, Green, Blue -

RGB).[4]

RGB adalah suatu model warna yang terdiri dari merah, hijau, dan biru,

digabungkan dalam membentuk suatu susunan warna yang luas. Setiap warna dasar,

misalnya merah, dapat diberi rentang-nilai. Untuk citra 8 bit, nilai rentangnya paling

kecil = 0 dan paling besar = 255. Pilihan skala 256 ini didasarkan pada cara

mengungkap 8 digit bilangan biner yang digunakan oleh mesin komputer. Dengan

cara ini, akan diperoleh warna campuran sebanyak 256 x 256 x 256 = 1677726 jenis

warna. Sebuah jenis warna, dapat dibayangkan sebagai sebuah vektor di ruang 3

dimensi yang biasanya dipakai dalam matematika, koordinatnya dinyatakan dalam

bentuk tiga bilangan, yaitu komponen-x, komponen-y dan komponen-z. Misalkan

sebuah vektor dituliskan sebagai r = (x,y,z). Untuk warna, komponen-komponen

5
tersebut digantikan oleh komponen R(ed), G(reen), B(lue). Jadi, sebuah jenis warna

dapat dituliskan sebagai berikut: warna = RGB(30, 75, 255). Putih = RGB

(255,255,255), sedangkan untuk hitam= RGB(0,0,0).

2.1.2 Digitalisasi Citra

Komputer hanya bisa mengolah data yang bersifat numerik. Oleh karena itu

sebuah citra agar dapat diolah oleh komputer harus direpresentasikan secara numerik

menggunakan nilai-nilai diskrit. Representasi citra secara numerik inilah yang disebut

dengan digitalisasi yang pada dasarnya merupakan proses mengubah nilai kontinu

menjadi nilai-nilai diskrit.

Foto yang berukuran m n piksel dinyatakan dengan matriks dengan m baris

dan n kolom sebagai berikut :

 f 0,0 f 0,1  f 0, n  

 f 1,0 f 1,1  f 1, n  
f  x, y     (2.1)
     
 
 f m  1,0 f m  1,1  f m  1, n  1

dengan f(x,y) merupakan sebuah foto dan f(i,j) yang merupakan elemen matriks

adalah intensitas cahaya pada titik (i,j) dengan i = 0, 1,2, ... m-1 dan j = 0, 1,2, ... n-1.

Fungsi intensitas f dari citra hitam putih pada titik (x,y) disebut derajat

keabuan atau gray level yang mempunyai nilai antara Lmin sampai Lmax dengan Lmin

merupakan skala keabuan terkecil dan Lmax merupakan skala keabuan terbesar. Skala

keabuan seringkali menggunakan bilangan bulat yang besarnya 8-bit, artinya skala

6
keabuan tersebut mempunyai 28 atau 256 nilai yang berbeda dengan lebar skala 0

sampai 255, nilai 0 untuk warna hitam, dan 255 untuk warna putih. Nilai derajat

keabuan berada di antara nilai tersebut [ 4 ].

Ada dua macam proses digitalisasi yang pertama yaitu digitalisasi koordinat

(x,y) yaitu merepresentasikan foto menjadi sejumlah titik-titik yang terbatas, proses

ini disebut sampling, dan yang kedua yaitu digitalisasi skala keabuan yaitu mengisi

titik-titik tersebut dengan derajat keabuan yang sesuai dengan foto yang didigitalisasi,

proses ini disebut kuantisasi [4].

2.2 Pengideraan Jauh

Penginderaan jauh adalah teknik dan seni untuk memperoleh informasi

mengenai sebuah objek, area atau fenomena melalui analisis data yang diperoleh dari

alat yang tidak bersentuhan langsung dengan objek, area atau fenomena yang sedang

diamati [6]

Gambar 2.1 Skema Umum Penginderaan Jauh

7
 Prinsip dasar penginderaan jauh adalah perekaman informasi. Sensor

merekam informasi dengan sumber tenaga dari matahari dan dari dalam sensor.

Radiasi yang dipancarkan oleh matahari atau sumber energi lainnya akan dipantulkan

kembali oleh permukaan bumi dan atmosfer dalam bentuk reflektansi permukaan.

Hasil pantulan tersebut direkam oleh sensor satelit. Hasil perekaman tersebut akan

digunakan dalam proses pengolahan data untuk memperoleh informasi tentang

permukaan bumi.

Rentang spectral yang umum digunakan dalam pengindraan jauh untuk

merekam sumberdaya yang terdapat dipermukaan bumi berkisar antara 0.4-12 μm

(mencakup sinar tampak dan infra merah) dan gelombang mikro 30-300 μm.

Pengindraan jauh yang menggunakan panjang gelombang antara 0.4-12 μm

umumnya disebut dengan pengindraan jauh optik (optical remote sensing) sementara

pengindraan jauh yang menggunakan panjang gelombang mikro dikenal dengan

pengindraan jauh gelombang mikro (microwave remote sensing) [5].

2.3 ALOS (Advanced Land Observing Satellite)

ALOS merupakan satelite milik JAXA (Japan Aerospace Exploration

Agency) yang diluncurkan pada tanggal 24 Januari 2006, dari komplek peluncuran

Yoshinobu, Tanegashima Space Center. Jepang. Satelite ALOS merupakan generasi

setelah satelit JERS-1 (japanese Earth Resources Satellite) yang digunakan untuk

melakukan observasi terhadap permukaan bumi.

8
 Sumber: JAXA, 2010
Gambar 2.2 Skema satelit ALOS (Advanced Land Observing Satellite)

Satelit ALOS membawa tiga instrumen remote sensing [9] seperti pada

Gambar 2.2, yaitu PRISM (Panchromatic Remote Sensing Instrumen for Stereo

Mapping) yang digunakan untuk memetakan topografi permukaan bumi, AVNIR-2

(Advance Visible and Near Infrared Radiometer 2) untuk observasi permukaan bumi

dengan akurasi tinggi dan PALSAR (Phased Array type L-band Synthetic Aperture

Radar) untuk observasi permukaan bumi pada setiap waktu (malam-siang) dan pada

kondisi cuaca apa pun. Pada penelitian ini, data citra yang digunakan merupakan citra

hasil perekaman sensor AVNIR-2.

AVNIR-2 adalah radiometer cahaya tampak dan infra merah dekat untuk

observasi daratan dan wilayah pesisir. AVNIR-2 merupakan pengembangan dari

AVNIR yang dibawa oleh satelit ADEOS, AVNIR-2 mempunyai 4 band (Jakti, 2009)

: band 1 (0,42-0,50 µm) yang digunakan untuk melihat penetrasi tubuh air, band 2

9
(0,52-0,60 µm) yang digunakan untuk menekankan pembedaan vegetasi dan

penelitian kesuburan, band 3 (0,61-0,69 µm) digunakan untuk melihat daerah yang

menyerap klorofil, dan band 4 (0,76-0,89 µm) yang digunakan untuk membedakan

tanah, tanaman, lahan, dan air. ALOS memiliki karakteristik citra diantaranya

resolusi spasial sebesar 10 x 10 meter (di nadir), dengan lebar sapuan 70 km (di

nadir) seperti yang disajikan pada Tabel 1.

Tabel 1.1 Karakteristik Citra ALOS

Karakteristik Keterangan
International
Designation 2006-002A
Code
Waktu
24 Januari 2006 pukul 10:33
Peluncuran
Kendaraan
H-IIA Launch Vehicle No.8
Peluncur
Lokasi
Tanegashima Space Center
Peluncuran
Box shape with a solar array paddle, phased array type L-band
synthetic aperture radar (PALSAR),
and data relay satellite communication antenna
Perlengkapan
Main body: about 6.2m x 3.5m x4 .0m
Solar Array Paddle: Approx. 3.1m x 22.2m
PALSAR Antenna: Approx. 8.9m x 3.1m
Berat 4.000 kg
Orbit Sun-Synchronous Subrecurrent/ Recurrent Perid:Approx. 46day
Ketinggian 700 km
Injklinasi 98 degrees
periode 99 menit
Kontrol Three-axis stabilization (High accuracy attitude control orbit
Ketinggian determination function)
Band 1 : 0.42 to 0.50 micrometers
Band 2 : 0.52 to 0.60 micrometers
Band AVNIR
Band 3 : 0.61 to 0.69 micrometers
Band 4 : 0.76 to 0.89 micrometers
Sumber: JAXA, 2010

10
2.4 Tahapan Pengolahan Citra Pengideraan Jauh

Secara umum tahap pengolahan pengideraan jauh ada tiga tahapan [7],

tahapan tersebut teridiri dari koreksi radiometrik, korksi geomerik, dan klasifikasi.

Pada tahapan klasifikasi menggunakan metode klasifikasi tak terbimbing.

2.4.1 Koreksi Radiometrik

Koreksi radiometri ditujukan untuk memperbaiki nilai piksel supaya sesuai

dengan yang seharusnya yang biasanya mempertimbangkan faktor gangguan

atmosfer sebagai sumber kesalahan utama. Efek atmosfer menyebabkan nilai

pantulan obyek dipermukaan bumi yang terekam oleh sensor menjadi bukan

merupakan nilai aslinya, tetapi menjadi lebih besar oleh karena adanya hamburan

atau lebih kecil karena proses serapan. Metode-metode yang sering digunakan untuk

menghilangkan efek atmosfer antara lain metode pergeseran histogram (histogram

adjustment) [5].

Metode pergeseran histogram adalah metode dimana setiap entri data pada

matriks citra digital dikurangi atau ditambahkan. Pengurangan atau penambahan nilai

pada entri matriks tergantung dari nilai terkecil pada matriks citra tersebut. Perhatikan

matriks di bawah ini,

11
 Gambar 2.3 Matriks A, matriks awal

Pada Gambar 2.3 adalah matriks hasil digitalisai citra. Dapat dilihat pada

Gambar 2.3 nilai terkecil pada matriks adalah delapan. Untuk mengoreksi citra

tersebut yang terdapat noise [5], maka setiap data entri matriks tersebut dikurangi

delapan. Secara fungsi dituliskan

B = A – kI (2.2)

dengan keterangan sebagai berikut

B = Matriks hasil koreksi radiometrik; A= Matriks citra awal

Gambar 2.4 Matriks B, matriks hasil koreksi radiometrik

12
 Pada Gambar 2.4 nilai terkecil pada data entri matriks adalah nol, maka citra

telah terkoreksi radiometrik karena pada citra satelit nilai interval pada matriks adalah

0 – 255, jika nilai terkecil pada citra adalah nol maka kemungkinan besar citra

tersebut tidak mempunyai noise [1]. Untuk tahapan koreksi radiometrik telah

dilakukan maka selanjutnya tahap koreksi geometrik.

2.4.2 Koreksi Geometrik

Koreksi geometrik merupakan koreksi posisi citra akibat kesalahan geometrik

[7]. Kesalahan geometrik ialah kesalahan yang disebabkan oleh konfigurasi sensor,

perubahan ketinggian, posisi, dan kecepatan wahana. Koreksi geometrik yaitu

merotasikan citra sesuai dengan keadaan sebenarnya untuk metode yang digunakan

adalah polinomil orde pertama atau orde linier. Dalam koreksi geometri polinomial

orde pertama disebut juga transformasi affine.

Teknik yang digunakan untuk koreksi geometrik yaitu penggunaan sejumlah

titik kontrol lapangan (Ground Control Poinl / GCP) pada citra. Secara ringkas,

tahapan teknik ini adalah sebagai berikut :

a. Pemilihan GCP pada citra dengan syarat : tersebar merata di seluruh citra,

relatif permanen dan tidak berubah dalam kurun waktu pendek (misal: jalan,

jembatan, sudut bangunan dan sebagainya). Jumlah GCP minimum dihitung

dengan menggunakan rumus :

𝑡+1 (𝑡+2)
𝐺𝐶𝑃𝑚𝑖𝑛 = (2.3)
2

13
 Di mana :

t = orde polinomial

b. Perhitungan Root Mean Squared error (RMSE). Untuk mengetahui besarnya

pergeseran citra hasil proses rektifikasi dapat dilihat dari besarnya nilai RMSE

(Root Mean Square Error). RMSE dalam koreksi geometris adalah jarak

antarakoordinat input (source) GCP dengan koordinat GCP yang sama setelah

ditransformasi.

RMSE tiap GCP dihitung dengan rumus :

𝑅𝑀𝑆𝐸𝐺𝐶𝑃 = (𝑥𝑟 − 𝑥𝑖 )2 + (𝑦𝑟 − 𝑦𝑖 )2 (2.4)

RMSE total dihitung dengan rumus :

𝑛 2 2
𝑖=1 (𝑥 𝑟 −𝑥 𝑖 ) +(𝑦𝑟 −𝑦 𝑖 )
𝑅𝑀𝑆𝐸𝑇𝑜𝑡𝑎𝑙 = (2.5)
𝑛

Di rnana :

n = Jumlah GCP

i = GCP ke-i

xi dan yi = koordinat input (source) GCP ke-i

xr dan yr = koordinat setelah ditransformasi GCP ke-i

Nilai RMSE yang akan diterima adalah < 0,5

2.4.3 Klasifikasi tak terbimbing (unsupervised classification)

Klasifikasi tak terbimbing adalah pengklasifikasian citra yang tidak

memerlukan data latih dalam hal ini klasifikasi tak terbimbing dilakukan jika data

14
lapangan yang kita miliki sedikit[6]. Klasifikasi tak terbimbing hanya

mengklasifikasikan nilai-nilai di kelasnya [7].

Klasifikasi citra tak terawasi mencari kelompok-kelompok (cluster) piksel-

piksel, kemudian menandai setiap piksel kedalam sebuah kelas berdasarkan

parameter – parameter pengelompokkan awal yang didefinisikan oleh penggunanya.

2.5 Transformasi Affine

Transformasi affine adalah transformasi yang mempertahankan keparalelan

dan garis. Adapun yang termasuk transformasi affine contohnya adalah translasi,

rotasi, penskalaan, shear, dan pencerminan [12].

Transformasi affine diformulasikan sebagai berikut:

𝑥 ′ = 𝑚11 𝑥 + 𝑚12 𝑦 + 𝑚13 (2.6)

𝑦 ′ = 𝑚21 𝑥 + 𝑚22 𝑦 + 𝑚23 (2.7)

dalam pengerjaan di komputer transformasi akan dirubah kedalam bentuk matriks

maka digunakan sistem kooerdinat homogen. Suatu (x, y) di dalam sistem koordinat

homogen ini menjadi suatu matriks kolom [ 𝑥ℎ 𝑦ℎ ℎ]T dengan

x = 𝑥ℎ /h

y =𝑦ℎ /h

h≠0

dalam sistem koordinat ini maka transformasi affine dapat direpresentasikan dalam

bentuk matriks 3x3. Operasi transformasi affine adalah perkalian antara matriks

15
transformasinya dengan kolom dari titik yang akan ditransformasikan,sehingga untuk

matriks transformasi affine sebagai berikut,

 x'   m11 m12 m13  x 

    
 y '    m21 m22 m23  y  (2.8)
1  0 1  1 
   0

2.6 Analisis Klaster

Analisis klaster (cluster analysis) bertujuan untuk menentukan suatu

kelompok yang alami dari kelompok-kelompok individu. Kelompok individu-

individu ini bisa membentuk populasi yang lengkap atau suatu sampel dari populasi

yang lebih besar. Lebih umum lagi, analisis klaster bertujuan untuk mengalokasikan

sekelompok individu pada suatu kelompok-kelompok yang saling bebas sehingga

individu-individu di dalam kelompok itu mirip satu dengan yang lainnya, sementara

itu individu-individu di dalam kelompok yang berbeda tidak mirip. Penyusunan

kelompok ini biasa disebut dengan partisi.

Ciri klaster yang baik, yaitu homogenitas (kesamaan) yang tinggi antar

anggota dalam satu klaster. Heterogenitas (Perbedaan) yang tinggi antar klaster yang

satu dengan klaster lainnya (between cluster) [9].

Unttuk menggunakan analisis klaster, perlu diketahaui besar jarak euclid dari

data tersebut, berikut adalah tahapan dari analisis klaster :

16
1. Jarak Euclidean

Euclidean merupakan suatu metode perhitungan jarak yang paling sederhana.

Jika terdapat n buah variabel maka perhitungan jarak vektor x ke vektor y

menggunakan metode Euclidean dinyatakan sebagai berikut [9]:

𝑛
𝑑 𝑥, 𝑦 = 𝑡=1(𝑥𝑡 − 𝑦𝑡 )2 (2.9)

x dan y merupakan dua objek yang dihitung jaraknya 𝑥1 , 𝑥2 ,…,xn dan𝑦1, ,𝑦2 ,…,yn

merupakan atribut-atribut sebanyak n buah dari objek x dan y, dengan pusat centroids

dapat ditentukan dengan rumus sebagai berikut:

1 𝑛
𝐶𝑘 = (𝑛 ) 𝑡=1 𝑑(𝑥, 𝑦) (2.10)
𝑘

Dengan 𝑛𝑘 merupakan jumlah data klaster ke-k.

2. Proses Analisis Klaster

Mengukur jarak kesamaan antar obyek (similarity). Sesuai dengan prinsip

klaster yang mengelompokkan obyek yang mempunyai kemiripan, maka proses

pertama adalah mengukur seberapa jauh ada kesamaan antar objek. Data atau variabel

distandarisasi jika mempunyai perbedaan besar atau mencolok dengan cara mengubah

Z-Score [9].

3. Langkah-langkah K-Means Klaster

1. Tentukan K sebagai jumlah klaster yang ingin dibentuk.

2. Bangkitkan K titik pusat klaster (centroids) awal secara acak.

17
3. Hitung jarak setiap data ke masing-masing centroids, seperti pada Persamaan

(2.9).

4. Setiap data memilih centroids yang terdekat.

5. Tentukan posisi centroids baru dengan cara menghitung nilai rata-rata dari data-

data yang memilih pada centroids yang sama, seperti pada Persamaan (2.10).

6. Kembali ke langkah 3 jika posisi centroids baru dengan centroids lama tidak

sama.

18
 BAB III

METODE PENELITIAN

3.1 Data

Data yang akan digunakan pada penelitian ini adalah citra hasil

penangkapan satelit ALOS. Data terdiri dari tiga citra yang mepunyai ukuran

243x193 piksel.

Citra yang akan diproses merupakan daerah kawasan Pulau Lancang,

Kepulauan Seribu. Data citra diambil pada tahun 2007.

3.2 Pengolahan Citra Digital

Citra hasil pengideraan jauh yang telah diperoleh akan diolah menjadi tiga

tahapan, yaitu:

A. Koreksi radiometrik yang menggunakan metode pergeseran histogram.

B. Koreksi geometrik yang merotasikan citra. Untuk rotasi citra

menggunakan metode Transformasi Affine.

C. Klasifikasi yang digunakan adalah klasifikasi tak terbimbing dengan

metode analisis klaster.

Jika data sudah terklasfikfikasi maka data akan dapat diinterpretasikan.

19
3.3 Alur Pengolahan Citra

Data Citra hasil ALOS

T
Terganggu

Koreksi Radiometrik

Koreksi Geometrik

Klasifakasi tak terbimbing

Hasil Citra terkoreksi dan klasifikasi

Gambar 3.1 Flowchart analisis pengolahan citra

20
 BAB IV

PEMBAHASAN DAN APLIKASI

4.1 Pembahasan Data

Pada pembahasan bab IV ini penulis akan menujukan bagaimana

pengolahan citra satelit dengan metode – metode yang telah disampaikan

sebelumnya. Pembahasan ini adalah aplikasi bagaimana komputer mengolah citra,

dan juga hasil pengolahan dapat digunakan untuk penelitian selanjutnya.

Berikut ini adalah citra-citra hasil pengindraan jauh yang akan diproses.

Gambar 4.1 Hasil Citra Satelit 1 (Band 1)

Gambar 4.2 Hasil Citra Satelit 2 (Band 2)

Gambar 4.3 Hasil Citra Satelit 3 (Band 3)

21
 Citra di atas mempunyai ukuran 243 x 193 piksel. Jika dalam ukuran

sebenarnya karena pada citra ALOS 1 piksel = 10m x10m = 100 m2 / 1 a karena

piksel dalam sebuah komputer jika di perbesar bentuknya adalah persegi, jadi

ukuran sebenarnya citra tersebut adalah 2430m x 1930m. Untuk dapat mengetahui

proses secara matematis pengolahan citra tersebut, maka setiap citra akan diubah

ke dalam bentuk matriksnya.

Dalam komputer pembacaan matriks citra di runbah ke dalam 8 bit. Setiap

matriks yang di hasilkan sesuai besar ukuran piksel suatu citra maka matriks yang

dihasilkan akan berukuran 243 x 193. Setiap citra yang diperoleh tidak

mempunyai nilai red, green,dan blue (RGB), tetapi hanya mempunyai nilai derajat

keabuan jika dalam sebuah nilai 0 = Hitam dan 255=putih [8].

4.2 Proses Koreksi Radiometrik

Seperti dijelaskan pada bab sebelumnya untuk metode koreksi radiometrik

menggunakan pergeseran histogram yang merupakan pembacaan nilai matriksnya.

Di bawah ini perubahan setelah dilakukan koreksi radiomatrik yang dilakukan

pada komputer. Jika memasukan band 1 pada komputer maka akan dibaca seperti

gambar berikut.

22
 Gambar 4.4 Pembacaan citra sebelum koreksi radiometrik.

Setelah dilakukan koreksi radiometrik maka proses citra yang dihasilkan

adalah pada gambar di bawah ini. Dapat dilihat pada Gambar 4.5 nilai entri

matriks berkurang 50 karena nilai terkecil pada matriks sebelum koreksi

radiometrik adalah 50.

Gambar 4.5 Pembacaan citra setelah koreksi radiometrik

Proses koreksi radiometrik ini dilakukan untuk ketiga citra dan penentuan

nilai untuk mengurangi data citra tergantung dari nilai terkecil data entri citra

tersebut. Setelah ketiga citra telah terkoreksi radiometrik maka koreksi dilanjutkan

dengan koreksi geometrik.

23
4.3 Proses Koreksi Geometrik

Pada koreksi geometrik penulis membutuhkan data citra sebelumnya

sebelumnya untuk mengetahui kesalahan geomerik pada cita yang diperoleh.

untuk koreksi yang digunakan adalah polinomial orde pertama atau disebut juga

transformasi affine.

Gambar 4.6 Citra Sebelum Koreksi Geometrik

Gambar 4.7 Citra Setelah Koreksi Geometrik

Tabel 4.1 Proses proses koreksi geometrik

Pada perhitungan proses koreksi geomtri menggunakan empat GCP. Nilai RMSE

untuk setiap GCP memiliki nilai > 0,5 maka pemilihan GCP dan hasil retrifikasi

dapat diterima.

24
4.4 Proses Klsifikasi Tak Terbimbing

Citra sebelum diklasifikasi, dikomposisikan terlebih dahulu. Prosesnya

berikutnya diauto-generate untuk menetukan warna dari tiap citra yang

digunakan. Setelah diauto-generate maka diperoleh untuk nilai red diwakili oleh

band3, nilai green oleh band2, dan nilai blue oleh band1. Ditampilkan dalam

gambar di bawah ini,

25
 Gambar 4.9 Penetuan Warna Untuk Klasifikasi

Setelah setiap band mewaikili nilai RGB, maka ketiga band tersebut akan

dikomposisikan menjadi satu citra RGB atau disebut juga citra komposit. Citra

komposit inilah yang akan diklasifikasi. Klasifikasi yang digunakan adalah

klasifikasi tak terbimbing dengan menggunakan metode analisis klaster.

Tabel 4.2 Deskripsi Pengklasifikasian Kelas

No Deskripsi Kelas Warna

1. Laut

2. Garis Pantai,Daerah pasir

3. Pemukiman, Tanah

4. Lahan Hijau

Gambar 4.9 Hasil Klasifikasi Tak Terbimbing

Pada gambar 4.9 merupakan hasil klasifikasi tak terbimbing kelas dibagi

ke dalam empat kelas yaitu laut, daerah pasir, pemukiman atau lahan kering, dan

lahan hijau. Hasil yang telah diklasifikasi maka dihitung luas tutupannya, daerah

26
yang dihitung luas tutupannya adalah daerah pasir, pemukiman / lahan kering dan

lahan hijau.

Tabel 4.3 Luasan Penutupan Lahan Hasil Klasifikasi

Kelas Jumlah Piksel Luas(Ha) Persentase(%)
Daerah Pasir 20822 208,22 77,4
Pemukiman/tanah 3904 39,04 14,5
Lahan Hijau 2187 21,87 8,1
Total 26913 269,13 100

Hasil dari klasifikasi tak terbimbing pada P. Lancang didominasi oleh

pantai yang mencapai 77%, berikutnya pemukiman 14,5% dan lahan hijau hanya

8,1% atau seluas 21,87 ha. Hasil klsaifikasi lain yang diperoleh adalah pulau

terbagi menjadi 2 terbagi seperti selat kecil, di baian pulau utara lebih banyak

pemukiman.

Tabel 4.4 Data Pulau lancang pada keadaan sebenarnya

Bentuk Lahan Luas (Ha) Presntase(%)
Daerah Pasir 209,38 88.14
Pemukiman 11,2 4,7
Lahan Terbuka 7,12 3,1
Lahan Hijau 9.85 4,15
Total 237,55 100
Sumber : Pusat Oseanografi LIPI

Hasil pengukuran penelitian ini berbeda dengan data berdasarkan Pusat

Oseanografi LIPI Tahun 2010, bahkan perbedaan hingga mencapai 31,85 ha pada

penetuan luas pulau. Perbedaan tersebut tidak dapat dijelaskan secara pasti dalam

penelitian ini. Perbedaan terkecil yaitu pada pengukuran daerah pasir 1,16 ha.

27
 BAB V

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Sebelum dianalisis, citra satelit perlu diperbaiki melalui proses koreksi

radiometrik dan koreksi geometrik. Koreksi radiometrik dilakukan untuk mendapat

detail informasi yang jelas, sehingga akan mengurangi kesalahan dalam

meginterpretasi, mengidentifikasi, dan mengklasifikisai citra satelit. Koreksi

geometrik bertujuan untuk memposisikan citra satelit dengan peta dunia, sehingga

akan mendapatkan citra satelit yang mempunyai koordinat lintang/bujur yang sesuai

dengan peta topografi. Setelah dilakukan koreksi geometrik skala peta menjadi benar.

Untuk mengetahui hasil analisis secara matematis perlu diambil sampel data

karena bila data yang besar memerlukan waktu dan spesifikasi komputer yang sangat

besar. Dalam analisis yang dilakukan oleh peneliti saat ini yaitu analisis matematis

yang menggunakan sampel dari citra yang akan diproses.

Sebelum dilakukan klasifikasi tak terbimbing citra dikompsisiskan terlebih

dahulu yang pada awalnya mempunyai warna grayscle menjadi citra RGB, setiap

nilai pada citra grayscale yang terdiri dari tiga citra akan mewakili nilai RGB yang

mempunyai interval 0 -255.

Hasil dari klasifikasi tak terbimbing pada P. Lancang didominasi oleh pantai

yang mencapai 77%, berikutnya pemukiman 14,5% dan lahan hijau hanya 8,1% atau

28
seluas 21,87 ha. Hasil klsaifikasi lain yang diperoleh adalah pulau terbagi menjadi 2

terbagi seperti selat kecil, di bagian pulau utara lebih banyak pemukiman.

Hasil pengukuran penelitian ini berbeda dengan data berdasarkan Pusat

Oseanografi LIPI Tahun 2010, bahkan perbedaan hingga mencapai 31,85 ha pada

penetuan luas pulau. Perbedaan tersebut tidak dapat dijelaskan secara pasti dalam

penelitian ini. Perbedaan terkecil yaitu pada pengukuran daerah pasir 1,16 ha

5.2 Saran

Karena peneliti mempunyai banyak keterbatasan waktu dan materi, penelitian

analisis pengolahan citra satelit ini dapat dilanjutkan dengan klasifikasi terbimbing

yang memerlukan data lapangan yang real yang menujang sebagai data klasifikasi

dan menampilkan data statistik dari pengolahan citra satelit.

Pada penelitian berikutnya disarankan agar peneliti menggunakan nilai GCP

untuk koreksi geometrik dan menentukan nilai–nilai radiasi dengan perhitungan

matematis. Untuk klasifikasi dapat menggunakan klasifikasi terbimbing (Supervised

Classification).

29
 DAFAR PUSTAKA

[1] Brookshear,Glenn. Computer Science.Marquette University,1994

[2]Lillwsand, T.M dan Kiefer R.W 1079. Remote Sensing and Image Interpretatiom, John

wiley & Son USA. 1997

[3]Krisnawati, Transformasi Citra Dengan Menggunakan Matlab.2004

[4]Munir, Renaldi. Pengolahan citra Digital dengan pendekatan algoritmik.Informatika.

Bandung. 2004

[5] Prawirowardoyo, S, Metorologi. ITB Bandung, Bandung. 1996

[6]Pusat Komputer Fakultas Kehutanan Universitas Mulawarman Samarinda . Pengenalan

ER Mapper ver 6.4, 2005

[7] Pusat Komputer Fakultas Kehutanan Universitas Mulawarman Samarinda. Pengenalan

ER Mapper ver 5.5, 2004

[8] Risdiyanto dan Rini, Understanding NQAA, Agrisoft Bogor Indonesia,1999.

[9] Ruswandi, Bambang. 2008. Diktat Perkuliahan Praktikum Statistika Multivariat. FST UIN.

Jakarta.

[10]Suaebi, Haris, Aplikasi remote sensing pada pendugaan nilai radiasi .Bogor,2007 .

[11] Simarmata, Janer. Grafika Komputer. Yogyakarta,2007

[12]Zulkufli, Adnan. Matematika Dasar, Yogyakarta, 2006.

30
 BIODATA PENULIS

Data Pribadi

Nama : Hamza Ahmad Zulkarnaen

NIM : 107094002345

Tempat Tanggal Lahir : Jakarta, 31 Desember 1945

Alamat : Kp. Cibuntu RT 02/04, Kel Pasawahan,

Kec. Cicurug, Kab. Sukabumi. 43359

Phone / Hand Phone : 085780155970/08979270340

Email : zer_mail@yahoo.co.id

Jenis Kelamin : Laki-laki

Riwayat Pendidikan

S1 Program Studi Matematika Fakultas Sains dan Teknologi

Universitas Islam Negeri (UIN) Syarif Hidayatullah Jakarta

Tahun 2007 – 2012

SMA SMAN 13 Bandung, Tahun 2003 – 2006

SMP SMPN 1 Cicurug, Tahun 2000 – 2003

SD SDN Cisaat IV, Tahun 1994 – 2000