Geographical Information System yang menggunakan Remote sensing merupakan ilmu untuk memperoleh informasi tentang suatu daerah, obyek atau gejala dengan cara menganalisis data yang diperoleh dengan menggunakan alat tanpa kontak langsung terhadap obyek, daerah, atau gejala yang dikaji. Alat yang digunakan untuk melakukan penginderaan jauh adalah sensor. Penginderaan jarak jauh ini sangat penting untuk diterapkan dalam dunia kehutanan karena akan mempermudah pengawasan dan penggunaan SDH secara keseluruhan. Kelebihan ilmu Inderaja antara lain karena kehutanan berhadapan dengan areal yang luas. Areal hutan biasanya berada pada daerah yang memiliki aksesibilitas rendah. Remote sensing tidak bersifat merusak karena tidak menyentuh hutan secara langsung dan mempunyai perspektif multispektral untuk mengukur dan melihat fenomena biofisik pada hutan tersebut
Analisis citra satelit untuk identifikasi dan inventarisasi dapat dilakukan dengan integrasi dari metode pendekatan: klasifikasi berdasarkan perbedaan nilai spektralnya, klasifikasi terbimbing dengan menggunakan input data/informasi acuan yang dianggap benar (hasil pengamatan lapangan dan referensi peta). Perbaikan radiometrik dapat menggunakan beberapa metode dalam software ERDAS Imagine 9.1, antara lain, Edge Detect, Edge Enhancement, Low Pass, High Pass, Horizontal, Vertical, Laplacian Edge Detect, Sobel, dan Prewitt.
LANGKAH KERJA PERBAIKAN SPASIAL
1 1. Membuka software Erdas 9.1
2 2. Open TM00_Kamps.img dengan pilihan raster true color dengan kombinasi 5-4-2
3 3. Memilih Interpreter kemudian pilih Spatial Enhancementdan Convolution
4 4. Memilih method sesuai dengan metode yang ingin digunakan dalam perbaikan raspasial
5 5. Melihat nilai Kernel dari metode yang dipilih
6 6. Melakukan proses perbaikan display sesuai dengan metode yang dipilih
7 7. Amati secara visual terkait informasi apa saja yang diutamakan pada metode tersebut
8 8. Melakukan pembuktian dengan membandingkan nilai pixel untuk tiga objek (badan air, vegetasi, dan tanah kosong) yang diamati dengan menggunakan bantuan Geo-Link
9 9. Melakukan langkah 3-8 untuk masing-masing metode yang dipilih.
10 10. Memilih Interpreter kemudian pilih Spatial Enhancementdan Non -Directional Edge
11 Akan muncul kotak dialog yang akan meminta perintah untuk perbaikan spasial menggunakan metode Sobel dan Prewitt
12 Melihat nilai Kernel dari metode sobel
13 13. Melakukan proses perbaikan display sesuai dengan sobel yang dipilih
14 14. Amati secara visual terkait informasi apa saja yang diutamakan pada metode sobel tersebut
15 15. Melakukan pembuktian dengan membandingkan nilai pixel untuk tiga objek (badan air, vegetasi, dan tanah kosong) yang diamati dengan menggunakan bantuan Geo-Link
16 Mengulangi langkah 10-15 untuk metode prewitt.
17 Untuk mengamati persamaan antara persamaan pixel pada display dengan nilai pixel itu sendiri, diuji cobakan menggunakan metode lowpass.
18 Mengamati kondisi pixel dari badan air dengan cara zoom in sampai terlihat warna pixel 3x3
19 Menekan tanda pada viewer kemudian akan muncul window dengan informasi dari pixel yang akan diamati tersebut.
20 Mengubah jenis menjadi
21 Melihat koordinat X dan Y dari pixel yang dipilih
22 Mengamati komponen nilai pixel dengan cara klik icon kemudian Pixel data
23 Menyesuaikan nilai pixel pada tabel dengan koordinat yang telah dilihat sebelumnya
24 Kondisi data pixel 3x3 mengelilingi data pixel yang sesuai koordinat merupakan nilai dari gambar visual pixel 3x3 di viewer
BERIKUT NILAI KERNEL UNTUK MASING-MASING METODE
Gambar 1. (kiri) Metode Edge Detect (kanan) Metode Edge Enhance
Gambar 2. (kiri) Metode Low Pass (kanan) Metode High Pass
Gambar 3. (kiri) Metode Horizontal (kanan) Metode Vertical
Gambar 4. Metode Laplacian Edge Detect
Gambar 5. (kiri) Metode Sobel 1 (kanan) Metode Sobel 2
Gambar 6. (kiri) Metode Prewitt 1 (kanan) Metode Prewitt 2
VISUAL HASIL PERBAIKAN
Gambar 7. (kiri) Metode Edge Detect (kanan) Metode Edge Enhance
Gambar 8. (kiri) Metode Low Pass (kanan) Metode High Pass
Gambar 9. (kiri) Metode Horizontal (kanan) Metode Vertical
Gambar 10. Metode Laplacian Edge Detect
Gambar 8. (kiri) Metode Sobel (kanan) Metode Prewitt
DISPLAY PIKSEL 3x3 (DATA DAN GAMBAR) DARI METODE LOWPASS
DENGAN OBJEK BADAN AIR
Gambar 9. (kiri) pixel 3x3 citra asli (kanan) pixel 3x3 hasil perbaikan lowpass
Contoh perhitungan metode Lowpass untuk badan air
a | b | c | 1 | 1 | 1 | a | b | C | ||||||||
d | e | f | x | 1 | 1 | 1 | = | d | N | E | ||||||
g | h | i | 1 | 1 | 1 | f | g | H |
75 | 72 | 65 | 1 | 1 | 1 | 75 | 72 | 65 | ||||||||
71 | 73 | 69 | x | 1 | 1 | 1 | = | 71 | 70 | 69 | ||||||
69 | 73 | 71 | 1 | 1 | 1 | 69 | 73 | 71 |
N = int [(ax1)+ (bx1)+ (cx1)+ (dx1)+ (ex1)+ (fx1)+ (gx1)+ (hx1)+ (ix1)]
(1+1+1+1+1+1+1+1+1)
N = int [(75x1)+ (72x1)+ (65x1)+ (71x1)+ (73x1)+ (69x1)+ (69x1)+ (73x1)+ (71x1)]
(1+1+1+1+1+1+1+1+1)
N = int 70,88889
N = 70
Perbaikan spasial (Spatial enhacement) merupakan salah satu tahap dari pengolahan citra digital yang tujuannya untuk perbaikan citra dengan metode ini dapat memproses sebuah citra sehingga menghasilkan citra yang lebih sesuai dengan citra aslinya (Gonzales 2002 dalam Awaluddin 2010). Perbaikan (koreksi) citra merupakan prosedur operasi agar data sesuai dengan aslinya. Sebab citra hasil rekaman sensor penginderaan jauh mengalami berbagai distorsi yang disebabkan oleh gerakan sensor, faktor media antara, dan faktor objeknya sendiri, sehingga perlu dibetulkan atau dipulihkan kembali. Koreksi citra terdiri dari koreksi geometrik dan koreksi radiometrik. Perbaikan spasial (spatial enhancement) yang memperbaiki nilai suatu piksel berdasarkan piksel-piksel yang ada disekitarnya. Perbaikan citra pada suatu band adalah sangat unik dan biasanya tidak cocok dengan band lainnya, karena sangat bergantung pada nilai statistik piksel-piksel yang terdapat pada setiap band (Suratijaya, 2007).
Metode Edge Detect menggunakan prinsip memperhalus visual citra, secara visual warna badan air, vegetasi, dan tanah kosong . Selain itu, Saya juga mengamati perubahan nilai piksel dari masing-masing objek. Perbandingan piksel sebelum dan sesudah secara berturut-turut pada badan air 75 dan 34 , vegetasi 76 dan 18 , tanah kosong 77 dan 24 . Metode edge enhancement juga memiliki prinsip sama dengan edge detect, namun lebih menghasilkan tampilan yang lebih halus dibandigkan dengan edge detect. Perbandingan piksel sebelum dan sesudah secara berturut-turut pada badan air 124 dan 80 , vegetasi 75 dan 76 , tanah kosong 105 dan 115. Berdasarkan data tersebut terdapat perubahan nilai piksel dan lebih menonjolkan vegetasi dan tanah kosong dengan nilai yang lebih tinggi. Nilai piksel pada badan air lebih rendah, sehingga secara visual akan terlihat lebih gelap dan menjadi mudah teridentifikasi oleh mata manusia.
Metode Low Pass Filter memiliki prinsip pelembutan citra pada domain spasial dan domain frekuensi bertujuan untuk mengurangi gangguan yang diakibatkan oleh gangguan sensor pada saat pengambilan objek, gangguan transmisi, ataupun human error. Pada domain spasial nilai-nilai intensitas piksel yang terbentuk langsung dilakukan Operasi konvolusi antara citra asli dan kernel/ filter/mask (Tena,2009). Saya mengamati pada hasil low pass tidak beda jauh secara visual dengan citra aslinya. Tetapi, berdasarkan perbandingan piksel sebelum dan sesudah secara berturut-turut pada badan air 76 dan 74 , vegetasi 76 dan 76 , tanah kosong 90 dan 86. Metode Low pass ini menunjukkan nilai vegetasi yang lebih konstan, sehingga dapat dikatakan lebih mengunggulkan visual vegetasi.
Pada metode High pass memiliki hasil yang sangat berbeda dengan citra aslinya. Berdasarkan perbandingan piksel sebelum dan sesudah secara berturut-turut pada badan air 77 dan 95 , vegetasi 65 dan 48 , tanah kosong 98 dan 133. Dari hasil tersebut, badan air akan terlihat lebih terang dari citra sebelumnya, visual vegetasi akan lebih gelap, dan visual tanah kosong terlihat lebih terang dari citra asli.
Metode Horizontal dan Vertical memberikan hasil yang cukup menimbulkan banyak persepsi dalam interpretasi. Piksel-piksel dikelompokkan berdasarkan objek-objek yang sama baik dengan pola horizontal maupun vertical. Sedangkan metode Laplacian edge detect memberikan nilai piksel dengan perbandingan piksel sebelum dan sesudah secara berturut-turut pada badan air 71 dan 0 , vegetasi 70 dan 3 , tanah kosong 86 dan 0. Hasil perubahan piksel tersebut memberikan tampilan yang sangat berbeda dengan citra asli.
Pada proses perbaikan sobel dan prewitt menghasilkan display citra yang kurang memuaskan, karena noise yang ditimbulkan cukup banyak (Surya, 2009). Noise (derau) adalah citra atau gambar atau piksel yang mengganggu kualitas citra. Noise dapat disebabkan oleh gangguan fisis(optik) pada alat akusisi maupun secara disengaja akibat proses pengolahan yang tidak sesuai (Anonim, 2009). Saya menganggap bahwa, setelah melihat hasil citra setelah perbaikan menggunakan kedua metode ini menghasilkan visual yang sangat memiliki noise. Saya tidak dapat mendeliniasi secara visual pada ketiga objek yang ada.
DAFTAR PUSTAKA
Anonim. 2009. Citra[Terhubung Berkala].http://www.library.upnvj.ac.id/pdf/ s1teknikinformatika09/205511068/BAB%20II.pdf [17 Maret 2012]
Awaludin, M. 2010. Penajaman dan Segmentasi Citra pada Pengolahan Citra Digital. Jakarta:TEKNIK – Vol. 31 No. 1 Tahun 2010, ISSN 0852-1697.
Jaya, I.N.S. 2007. Analisis Citra Dijital: Perspektif Penginderaan Jauh untuk Pengelolaan Sumberdaya Alam. Bogor: Fakultas Kehutanan IPB.
Surya,M. Rabindra. 2009. Pendeteksian Paranodus[Terhubung Berkala]. http://www.google.co.id/url?sa=t&rct=j&q=karakteristik%20sobel%20dan%...MKlpptmI2w&cad=rja [17 Maret 2012]
Tena,Silvester. 2009. Image Enhancement Mengggunakan Metode Linear Filtering dan Stationary Wavelet Transform [Terhubung Berkala].http://ejournal. unud.ac.id/abstrak/silvertena_6_.pdf [17 Maret 2012]
Tidak ada komentar:
Posting Komentar