2

2.2.4.1 Penyusunan Citra Komposit

Pembuatan citra komposit warna didasarkan pada kenampakan visual dalam hal membedakan obyek di lapangan maupun pada monitor dimungkinkan dapat teridentifkasi dengan baik. Tujuan pembuatan komposit ini yaitu agar didapatkan komposit citra yang tersusun berdasarkan band-bandnya dari 1 sampai 7, kecuali pada band 6 dan band 8 karena band 6 memiliki resolusi spasial 120 meter dan band 8 mempunyai resolusi 15 meter. Dengan tersusunnya komposit dengan baik penulis dapat menyesuaikan kenampakan secara visual dengan baik pada tampilan RGB nya.

Pembuatan citra komposit dilakukan dengan menggunakan cara sebagai berikut :

1. Membuka file citra Landsat 7 ETM+ dalam format asli yang mempunyai format *Geotiff, dalam tampilan Pseudocolour

2. Copy paste pada list layer sebanyak 7 kali, kemudian masukkan nama band 1 hingga 7 serta memasukkan data *.Geotiff dari band 1 hingga 7 kecuali band 6 dan band 8

Gambar 2.1. Pembuatan citra komposit

3. Setelah semua band dimasukkan pada masing-masing list layer, klik file, save as *.ers, maka citra yang muncul berupa komposit yang terdiri dari B123457

Gambar 2.2. Citra komposit 321 dengan kombinasi 7 band

Dengan catatan : membuka file *.Geotiff pada masing-masing list layer dengan mengklik apply this layer only apabila diklik apply saja maka citra yang akan muncul hanya 1 band saja.

2.2.4.2. Pemotongan Citra

Pemotongan citra dilakukan pada citra yang ada, dengan data vektor yang telah diimport pada software ER Mapper 6.4, dan disesuaikan terhadap Datum, Proyeksi, sesuai dengan citra yang akan dicropping. Pemotongan citra berdasarkan daerah penelitian akan lebih mudah dalam analisis data citra jika dibandingkan dengan menggunakan satu scene untuk citra Jawa Tengah, dengan pemotongan citra maka akan lebih menghemat waktu dalam hal untuk penyimpanan pada memori yang ada dalam pelaksanaan pengolahan data.

Pemotongan citra dilakukan dengan menggunakan langkah-langkah sebagai berikut :

1. Import file batas daerah penelitian *.shp pada software Er Mapper 6.4, dengan mengklik Utilities > Import vektor and GIS format > Esri Shape file, setelah itu sesuaikan nama file *.shp batas daerah penelitian, dengan menyesuaikan datum, proyeksi, serta zone yang sesuai dengan citra, kemudian klik OK maka akan muncul Import Complete,

2. Kemudian kembali ke Algorithma klik Edit > add vector layer > annotation/map composition

Gambar 2.3 Proses Croping

3. Setelah muncul annotation layer, klik open > klik file *.erv, berupa file *.shp yang telah diimport, klik , maka akan keluar tool, dari menu tool klik drag pada data vector yang muncul, klik tool dan diberi nama crop

4. Dari menu tool klik , pilih raster region, pada raster region secara otomatis akan terpilih file citra yang sebelum dipotong, maka akan muncul perintah The File Will Be Overwritten, kemudian klik OK, maka data vektor akan tersimpan pada citra.5. Dari , klik sebanyak 7x disesuaikan dengan masing-masing band b123457 dengan mengganti tampilan RGB dengan Pseudocolour, setelah itu klik Emc2 masuk ke tab standart > Inside region poligon test dan masuk ke tab region dengan memilih new region yang telah disimpan dengan nama Crop, klik Apply Changes. Dilakukan pada semua band 123457

6. Pada citra yang telah tercroping disimpan dalam format *.ers sebagai hasil dari cropping, atau dapat disimpan dala format *alg yang berfungsi sebagai shortcut untuk menyimpan citra yang tercroping, apabila diinginkan penyimpanan lebih lanjut tanpa melakukan langkah-langkah dari awal

Gambar 2.4. Citra Hasil Croping

2.2.4.3 Restorasi Citra landsat 7 ETM+

Restorasi citra dilakukan untuk memperbaiki kualitas citra yang akan dianalisis. Kesalahan-kesalahan yang mengakibatkan citra mengalami kesalahan baik secara radiometrik maupun geometrik yang disebabkan secara radiometrik yaitu berupa nilai digital citra tidak selalu tepat dalam kaitannya dengan energi yang dipantulkan oleh obyek, karena pengaruh dari hamburan partikel-partikel bumi, karena gangguan dari atmosfer bumi.

Sedangkan secara geometrik posisi suatu kenampakan pada citra tidak selalu tepat benar pada posisi di muka bumi atau posisi di lapangan, kesalahan ini disebabkan oleh ketinggian satelit, efek gerak maju wahana pada saat perekaman (sistematis), rotasi bumi (non sistematis). Melalui tahapan-tahapan restorasi citra ini diharapkan dapat membantu dalam langkah awal dalam pengolahan citra untuk melakukan pemetaan digital untuk temperatur permukaan.

2.2.4.3.1 Koreksi Radiometrik

Koreksi radiometrik dilakukan agar diperoleh nilai piksel suatu obyek yang sesuai dengan nilai piksel yang sebenarnya. Koreksi radiometrik pada data Landsat yang dilakukan dengan perkiraan kasar untuk mengurangi efek kabut ataupun cahaya dari udara pada nilai keabuan piksel yang terendah dengan asumsi bahwa ada obyek-obyek tertentu di permukaan bumi yang sedikit atau bahkan tidak memantulkan spektral sama sekali, kemudian rerata nilai dikurangkan ke seluruh piksel untuk memperoleh nilai piksel baru (Howard, 1996) dalam (Farda, Muhammad, 2003)

Koreksi radiometrik pada penelitian ini tidak dilakukan karena nilai digital pada citra Landsat 7 ETM+ sudah terkoreksi secara radiometrik dan memiliki nilai digital berkisar 0 255.

Red

Green

Blue

Gambar 2.5. Saluran terkoreksi secara radiometrik menunjukkan nilai minimal dan maksimal 0- 255 pada komposit RGB untuk produk level 1G

Gambar 2.6. Citra komposit 321 yang telah terkoreksi secara

radiometrik pada produk level 1G

2.2.4.3.1 Koreksi Geometrik

Koreksi ini dilakukan agar citra diperoleh pada posisi yang sebenarnya di lapangan. Menurut Bernstein dan Ferney Hough (1975), dalam Howard (1996), dalam Danoedro, Projo (1996) terdapat beberapa distorsi geometrik yang harus dikoreksi dalam proses primer data satelit. Distorsi ini muncul karena adanya pengaruh perubahan ketinggian, sikap gulungan, anggukan, gelengan (roll, pitch, yaw), kecepatan satelit, gerakan rotasi bumi ke arah timur, serta kelengkungan permukaan bumi.

Variasi sikap (altitude, roll, yaw) dan ketinggian dan wahana menyebabkan distorsi non sistematik yang mengharuskan tiap citra dilakukan koreksi. Proses koreksi ini memerlukan titik-titik control lapangan (Ground Control Point) yang sudah diketahui posisinya. Perbedaan titik control actual dengan posisinya pada citra digunakan untuk melakukan transformasi geometrik, pada piksel asli juga dilakukan resample kemudian diletakkan pada posisi yang sebenarnya (Sabins, 1987) dalam (Farda, Muhammad, 2003)

Dengan demikian dalam koreksi geometrik terjadi dua proses, yaitu interpolasi spasial menggunakan transformasi koordinat dan interpolasi nilai kecerahan (resampling). Interpolasi spektral dilakukan untuk menyamakan koordinat atau dengan koordinat titik-titik acuan. Besar distorsi geometrik citra dapat diketahui dengan melihat nilai total RMS error :

Keterangan :

Xasli dan Yasli : Koordinat asli titik control medan pada citra

Xdan Y : Koordinat estimasi pada citra asli

1. Koreksi geometrik untuk citra komposit B123457

Pelaksanaan koreksi geometrik untuk citra komposit B123457 citra hasil croping daerah penelitian komposit band 123457 yang belum terkoreksi pada penelitian ini dengan menggunakan acuan peta Rupabumi skala 1 : 25.000, setelah didapatkan citra komposit yang telah terkoreksi oleh peta Rupabumi,. pelaksanaan secara tekhnis dalam koreksi geometrik metode image to map menggunakan software Er Mapper 6.4, dilakukan langkah-langkah sebagai berikut

1. Pada Er Mapper 6.4 pilih, Process > geocoding wizard > masukkan file *.ers citra yang akan dikoreksi, masuk ke tab polynomial dan pilih metode linier > GCP setup > GCP edit.

Gambar 2.7. Memasukkan citra yang belum terkoreksi

2. Membuat komposit 457 pada citra yang belum terkoreksi agar didapatkan perbedaan antara obyek yang berbeda terlihat jelas, serta pada perpotongan jalan maupun sungai.

Gambar 2.8. Koreksi Geometrik menggunakan komposit 4573. Klik kanan pada tampilan kedua citra yang belum terkoreksi dengan memilih set geolink to windows, maka citra yang satu akan mengikuti citra yang kedua apabila dilakukan zoom in dan zoom out, dengan tujuan agar lebih mudah dalam menentukan titik-titik GCP.

Gambar 2.9. Membuat geolink citra

4. Memasukkan nilai koordinat pada obyek yang teridentifikasi pada peta Rupabumi dengan mencocokkan pada citra yang belum terkoreksi

Gambar 2.10. Penentuan titik koordinat pada peta digital

Untuk memasukkan titik koordinat pada peta Rupabumi digital, disini digunakan skala hingga 1 : 0, dengan tujuan agar didapatkan keakuratan titik-titik koordinat agar tidak berubah koordinat obyek apabila dilakukan pergeseran pada mouse.

5. Dengan memasukkan titik koordinat terhadap obyek, nilai RMS Error akan tampil, apabila titik-titik koordinat telah berjumlah lebih dari 4.

Gambar 2.11. Koreksi geometrik image to map pada citra Semarang

6. Setelah didapatkan titik RMS yang dikira cukup dalam koreksi geomterik ini, dapat dilakukan dengan merektifikasi citra dengan tujuan untuk memposisikan citra pada posisi dengan koordinat peta yang telah dimasukan, prosesnya pada tab rectify > menentukan file Output > Menentukan cell size X dan Y yang disesuaikan dengan resolusi B123457 yaitu 30 meter.

7. Proses Rektifikasi dapat dilakukan dengan hasil output adalah citra yang telah terkoreksi geometrik menggunakan metode Image to Map.

Gambar 2.12. Hasil koreksi geometrik image to map pada citra Semarang

2. Koreksi geometrik untuk citra B6.1 dan B6.2

Dalam penelitian ini koreksi geometrik yang dilakukan menggunakan metode image to image untuk band 6.1 dan band 6.2 terhadap citra komposit yang sudah terkoreksi, adapun secara tekhnis pelaksanaannya sebagai berikut :

1. Pada Er Mapper 6.4 pilih, Process > geocoding wizard > masukkan file *.ers citra yang akan dikoreksi (belum terkoreksi), masuk ke tab polynomial dan pilih metode linier > GCP setup dengan memasukkan file citra yang sudah terkoreksi berupa *.ers, *.alg, *.erv. dan sebagainya2. Membuat geolink seperti pada koreksi geometrik image to map untuk kedua citra yang sudah koreksi maupun yang belum terkoreksi3. Penentuan titik dari citra yang sudah terkoreksi terhadap citra yang belum terkoreksi dapat dilakukanGambar 2.13. Koreksi geometrik image to image dari citra terkoreksi terhadap citra belum terkoreksi

4. Setelah pemasukkan semua titik-titik GCP, maka citra yang belum terkoreksi dilakukan rectification, sama seperti halnya koreksi image to map.Untuk koreksi pada band 6.2 dilakukan dengan memasukkan titik-titik GCP yang telah terkoreksi pada band 6.1, karena band 6.1 dan band 6.2 mempunyai resolusi yang sama. Koreksi geometrik b8 juga dilakukan terhadap citra yang sudah terkoreksi dengan menggunakan citra komposit band 123457.

2.2.4.4. Klasifikasi Multispektral

Citra satelit Landsat 7 ETM+ mempunyai resolusi spektral 8 band, dan merupakan citra yang tergolong multispektral, dari resolusi spektral tersebut dapat dilakukan klasifikasi berdasarkan karakteristik dari spektral masing-masing band Klasifikasi multispektral ini bertujuan untuk mengelompokkan obyek yang memiliki karakteristik, spektral yang sama pada suatu area agar mudah untuk mendapatkan informasi. Metode klasifikasi yang digunakan yaitu metode klasifikasi terselia (supervised) Maximum Likelihood, dengan klasifikasi ini dilakukan pengambilan sampel obyek pada citra. Hasil klasifikasi juga perlu diadakan cek lapangan agar didapatkan klasifikasi yang sesuai dengan di lapangan.

Klasifikasi Maximum Likelihood mengasumsikan bahwa nilai statistik untuk setiap kelas pada setiap band didistribusikan secara normal dan menghitung probabilitas masing-masing pixel diantara tiap-tiap kelas. Pixel akan dikelaskan pada probabilitas tertinggi pada kelas pixel yang diukur, sering dijumpai pixel bimbang dimana satu atau lebih pixel dapat dimasukkan kedalam dua atau lebih kelas yang ingin memungutnya. Untuk memutuskan klasifikasi dibutuhkan informasi statistik berupa rerata dan simpangan baku, variansi dan kobariansi gugus, yang secara otomatis tersimpan disaat pengambilan titik sampel area.

Secara tekhnis klasifikasi ini dapat dilakukan

1. Menampilkan citra komposit band 123457 pada algorithma , masuk pada menu edit > edit/create region

Gambar 2.14. Tampilan new map composition

2. Setelah tampil kotak dialog new map composition, disimpan pada tab raster region, maka akan muncul tool, dari menu tool klik polygon , dari tool polgon ini dapat dipilih training area seperti atap bangunan.

Gambar 2.15. Pengambilan training region berupa atap bangunan

3. Pengambilan training region didasarkan pada kenampakan visual dengan komposit 457 yang menggunakan kunci interpretasi seperti rona, tekstur, asosiasi, pola

4. Training region diambil berdasarkan kelas penutup lahan yang akan diklasifikasi seperti rumput, lahan terbuka, permukiman, sawah, tubuh air, aspal, vegetasi campuran.

5. Data vektor training region disimpan ke dalam format *.erv dengan tujuan apabila terjadi perubahan dalam menentukan klasifikasi penutup lahan dapat diubah dengan cepat tanpa melalui proses dari awal.

6. Training region/sample area disimpan pada raster citra yang akan diklasifikasi, dengan menggunakan fasilitas save region pada kotak dialog tool .

7. Setelah training region tersimpan dilakukan perhitungan statistik pada citra yang telah disimpan berdasarkan training regionnya. Perhitungan statistik ini dilakukan dengan menggunakan fasilitas Er Mapper Process > Calculate statistik, setelah muncul kotak dialog calculate statistic diisikan pada sub interval sampling dengan angka 1, dan centang pada force recalculate sampling dan klik OK, maka citra akan dicalculate secara statistik.8. Pada menu view pilih statistic > show statistik > pilih area yang akan ditampilkan apakah area permukiman atau sawah > klik OK, dengan catatan dapat dipilih minimum field width dan number of decimal places.

Gambar 2.16. Hasil perhitungan statistik citra untuk region sawah pada masing-masing band

9. Setelah dilakukan perhitungan dapat dilakukan proses klasifikasi pada Er Mapper, menggunakan menu Process > Classification > Supervised classification > Maximum Likelihood, setelah muncul kotak dialog , pilih outputnya sebagai file *.ers, klik OK, maka proses klasifikasi Supervised Maximum Likelihood akan diproses

10. Setelah proses klasifikasi selesai pada algorithma yang baru buka hasil klasifikasi, denganmengganti tampilan RGB dengan classification pada klik kanan list layer serta memilih posterior probability pada setiap kelas, serta memberikan warna yang coraknya terlihat perbedaannya pada masing-masing kelas.

11. Untuk hasil pewarnaan klasifikasi ini disimpan dalam format *.alg, karena apabila disimpan dalam format *.ers, hasil pewarnaan setiap kelas tidak akan muncul kembali seperti yang telah disusun, melainkan hanya satu kelas yaitu berupa classified pada Er Mapper. Agar dapat dilayout di software Arc View klasifikasi ini dapat disimpan kedalam file *.ers

Gambar 2.17. Citra hasil klasifikasi Maximum Likelihood dengan masing- masing pewarnaan kelasnya

2.2.4.5. Transformasi Indeks Vegetasi

NDVI ( Normalized Difference Vegetation Index) adalah nilai-nilai yang mencirikan adanya jumlah vegetasi hijau yang muncul pada pixel nilai -nilai NDVI yang lebih tinggi, yang menandai adanya tumbuh-tumbuhan yang lebih hijau. Pada penelitian digunakan formula :

Dari formula diatas dapat dilakukan pada Er Mapper dengan menggunakan beberapa langkah sebagai berikut :

1. Membuka file citra komposit B123457, pada citra komposit untuk list layer diganti dengan psuedo colour dan list layer berdiri tunggal hanya pada band 4.

2. Masuk pada Emc2, pada kotak dialog Emc2 dapat dimasukkan formula Landsat TM to NDVI melalui menu Ratio untuk mendapatkan nilai tertinggi dan terendah tidak berupa nilai pecahan negatif maka pada formula x 100+100, dan Apply Changes tampilannya sebagai berikut :

Gambar 2.18. Citra dalam pseudo colour transformasi NDVI menggunakan band 4 dan band 3

3. Setelah citra yang ditransformasi menggunakan formula NDVI, maka citra dapat dilihat nilai piksel dengan menggunakan tombol refresh image with 99 % clip on limit , maka dapat dilihat nilai tertinggi dan nilai terendah pada Edit Transform Limit , dari tampilan ini dapat dilihat nilai tertinggi dan nilai terendahnya, lebih jelas dapat dilihat pada gambar di bawah ini :

Gambar 2.19. Nilai tertinggi dan terendah pada nilai piksel hasil transformasi NDVI

4. Setelah citra yang ditransformasi NDVI didapatkan nilai tertinggi dan terendah, maka citra dapat dikelaskan berdasarkan nilai piksel yaitu :

5. Setelah didapatkan nilai inreval maka dapat dikelaskan dengan menggunakan formula untuk kelas 1 if i1 < 21.307752 then i1 else null , sedangkan untuk kelas 2 sampai 5 digunakan formula yang sama if i1 > 21.307752 and i1 < 42.615504 then i1 else null.Klasifikasi dari penelitian ini yaitu terdapat 5 kelas dengan interval sebagai berikut :

RMS error : EMBED Equation.3 2 + (Y-Yasli)2

NDVI = (Band4 - Band3) / (Band4 + Band 3)

Nilai tertinggi Nilai terendah

Interval Kelas =

Jumlah Kelas

_1186609032.unknown