Pengolahan Data Citra

1.      Penginderaan Jauh

Dalam bahasa Inggris disebut Remote Sensing, bahasa Prancis disebut Teledection, bahasa Jerman adalah Fernerkundung, Portugis menyebutnya dengan Sensoriamento Remote, Rusia disebut Distantitionaya, dan Spanyol disebut Perception Remota.

Menurut Lisesand et al. (2004) mengatakan bahwa penginderaan jauh adalah ilmu dan seni untuk memperoleh informasi tentang suatu objek, daerah atau fenomena melalui analisis data yang diperoleh dengan suatu alat tanpa kontak langsung dengan objek, daerah, atau fenomena yang dikaji.

Menurut Lindgren (1985) pengindraan jauh adalah teknik yang dikembangkan untuk memperoleh dan menganalisis informasi tentang bumi. Informasi itu berbentuk radiasi elektromagnetik yang dipantulkan atau dipancarkan dari permukaan bumi. Jadi dapat disimpulkan bahwa pengindraan jauh ialah upaya memperoleh informasi tentang objek, daerah, atau fenomena melalui analisi dengan menggunakan alat yang disebut “sensor’’ (alat peraba). 

Adapun metode untuk mendapatkan data spasial yaitu ada dua metode yakni:

a.      Metode Lapangan (Ground-based Metode)

b.      Metode Pengindraan Jauh (Remote Sensing Methode)

2.      Komponen Penginderaan Jauh
    Tenaga

Dalam penginderaan jauh dibutuhkan sumber tenaga, baik berupa sumber tenaga alami (sistem pasif) yang berasal dari matahari dengan cara merekam tenaga pantulan maupun pancaran ataupun sumber tenaga buatan (sistem aktif) yang biasa diseut pulsa.

Jumlah tenaga matahari yang mencapai bumi dapat dipengaruhi oleh waktu (jam, musim), lokasi dan kondisi cuaca.

    Objek

Objek penginderaan jauh adalah semua benda yang da di permukaan bumi, seperti tanah, gunung, air, vegetasi dan hasil budidaya manusia, kota, lahan pertanian, hutan dan lain-lain. Tiap objek mempunyai karakteristik tertentu dalam memantulkan atau memancarkan tenaga ke sensor. Pengenalan objek pada dasarnya dilakukan dengan menyidik (tracing) karakteristik spectral objek yang tergambar pada citra.

    Sensor

Sensor adalah alat yang digunakan untuk menerima tenaga pantulan maupun pancaran radiasi elektromagnetik. Tiap sensor memiliki kepekaan tersendiri terhadap bagian spectrum elektromagnetik. Spectrum elektromagnetik adalah susunan semua bentuk gelombang elektromagnetik berdasarkan panjang gelombang dan frekuensinya. Selain itu kepekaan berbeda dalam mereka objek lain atau terhadap lingkungan sekitarnya. Kemampuan inilah yang disebut resolusi spasial, semakin kecil objek yang dapat direkam oleh sensor menandakan semakin baik kualitas sensor.

Berdasarkan proses perekamannya, sensor dibedakan menjadi sensor fotografik dan sensor elektronik. Sensor fotografik proses perekamannya berlangsung secara kimiawi yaitu tenaga elektromagnetik diterima dan direkam pada emulsi film yang bila diproses akan menghasilkan foto. Sedangkan sensor elektronik menggunakan tenaga elektrik yang direkam pada pita magnetik kemudian dapat diproses menjadi data visual maupun digital yang siap dikomputerkan. Contohnya kamera udara dan scanner.

    Detektor

Detektor adalah alat perekam yang terdapat pada sensor untuk merekam tenaga pantulan maupun pancaran.

    Wahana

Sarana untuk menyimpan sensor, seperti pesawat terbang, satelit dan pesawat ulang-alik.

3.      Karakteristik Citra

·        Pixel

Pixel (picture element) adalah sebuah titik yang merupakan elemen paling kecil pada citra satelit. Angka numerik (1 byte) dari pixel disebut digital number (DN). DN bisa ditampilkan dalam warna kelabu, berkisar antara putih dan hitam (gray scale), tergantung level energi yang terdeteksi. Pixel yang disusun dalam order yang benar akan membentuk sebuah citra.

Untuk citra multispecral, masing-masing pixel mempunyai beberapa DN, sesuai dengan jumlah band yang dimiliki. Sebagai contoh untuk Landsat 7, masing-masing pixel mempunyai 7 DN dari 7 band yang dimiliki. Citra bisa ditampilkan untuk masing-masing band dalam bentuk hitam dan putih maupun kombinasi 3 band sekaligus yang disebut color composite.

·        Contrast

Contrast adalah perbedaan antara brightness relatif antara sebuah benda dengan sekelilingnya pada citra. Sebuah citra tertentu mudah terdeteksi apabila pada sebuah citra contrast antara bentuk tersebut dengan backgroundnya tinggi. Teknik pengolahan citra bisa dipakai untuk mempertajam contrast.

Citra, sebagai dataset, bisa dimanipulasi menggunakan algorithm (persamaan matematis). Manipulasi bisa merupakan pengkoreksian error, pemetaan kembali data terhadap suatu referensi geografi tertentu, ataupun mengekstrak informasi yang tidak langsung terlihat dari data. Data dari dua citra atau lebih pada lokasi yang sama bisa dikombinasikan secara matematis untuk membuat composite dari beberapa dataset. Produk data ini, disebut derived product, bisa dihasilkan dengan beberapa penghitungan matematis atas data numerik mentah (DN).

·        Resolusi

Resolusi dari sebuah citra adalah karakteristik yang menunjukkan level kedetailan yang dimiliki oleh sebuah citra. Resolusi didefinisikan sebagai area dari permukaan bumi yang diwakili oleh sebuah pixel sebagai elemen terkecil dari sebuah citra. Pada citra satelit pemantau cuaca yang mempunyai resolusi 1 km, masing-masing pixel mewakili rata-rata nilai brightness dari sebuah area berukuran 1 km x 1 km. Bentuk yang lebih kecil dari 1 km susah dikenali melalui image dengan resolusi 1 km. landsat 7 menghasilkan citra dengan resolusi 30 m, sehingga jauh lebih banyak detail yang bisa dilihat dibandingkan pada citra satelit dengan resolusi 1 km. resolusi adalah hal penting yang perlu dipertimbangkan dalam rangka pemilihan citra yang akan digunakan terutama dalam hal aplikasi, waktu, biaya, ketersediaan citra dan fasilitas komputasi.

Ada beberapa faktor yang mempengaruhi kualitas citra dalam hal hambatan-hambatan untuk melakukan interpretasi dan klasifikasi yang diperlukan. Beberapa faktor penting, terutama untuk aplikasi kehutanan adalah:

1.      Tutupan awan. Terutama untuk sensor pasif, awan bisa menutupi bentuk-bentuk yang berada di bawah atau di dekatnya, sehingga interpretasi tidak dimungkinkan. Masalah ini sangat sering dijumpai di daerah tropis, dan mungkin diatasi dengan mengkombinasikan citra dari sensor pasif (misalnya landsat) dengan citra dari sensor aktif (misalnya Radarsat) untuk keduanya saling melengkapi.

2.      Bayangan topografis. Metode pengkoreksian yang ada untuk menghilangkan pengaruh topografi pada radiometri belum terlalu maju perkembangannya.

3.      Pengaruh atmosferik. Pengaruh atmosferik, terutama ozon, uap air dan aerosol sangat mengganggu pada band nampak dan infrared. Penelitian akademis untuk mengatasi hal ini masih aktif dilakukan.

4.      Derajat kedetailan dari peta tutupan lahan yang ingin dihasilkan. Semakin detail peta yang ingin dihasilkan, semakin rendah akurasi dari klasifikasi. Hal ini salah satunya bisa diperbaiki dengan adalanya resolusi spectral dan spasial dari citra komersial yang tersedia. Setelah citra dipilih dan diperoleh, langkah-langkah pemrosesan tidak terlalu tergantung sistem sensor dan juga software pengolahan citra yang dipakai. Berikut ini akan disampaikan dengan singkat beberapa langkah yang umum dilakukan, akan tetapi detail dari teknik dan keterampilan menggunakan hanya bisa diperoleh dengan praktek langsung dngan menggunakan citra dan software pengolahan citra tertentu.

Hasil dari kegiatan interpretasi citra adalah klasifikasi jenis obyek yang tampak pada citra. Interpretasi secara digital adalah evaluasi kuantitatif tentang informasi spektral yang disajikan pada citra. Dalam pembuatan peta penutup lahan mulai dari klasifikasi hingga cetak dibutuhkan beberapa tahap, antara lain: pengumpulan data digital, interpretasi digital menggunakan dua metode (Supervised classification dan Unsupervised classification), modifikasi data, layout peta, dan pencetakan peta.

Dasar interpretasi citra digital berupa klasifikasi citra piksel berdasarkan nilai spektralnya dan dapat dilakukan dengan cara statistik. Dalam pengklasifikasian citra secara digital, mempunyai tujuan khusus untuk mengkategorikan secara otomatis setiap piksel yang mempunyai informasi spektral yang sama dengan mengikutkan pengenalan pola spektral, pengenalan pola spasial dan pengenalan pola temporal yang akhirnya membentuk kelas atau tema keruangan (spasial) tertentu.

Klasifikasi diawali dengan menentukan nilai piksel representatif tiap obyek secara sampling. Nilai piksel dari tiap sampel tersebut digunakan sebagai masukan dalam proses klasifikasi. Dalam mengkelaskan nilai-nilai spektral citra menggunakan banyak feature tersebut, dikenal istilah klasifikasi terselia (Supervised Classification) dan klasifikasi tak terselia (Unsupervised Classification). Istilah klasifikasi terselia digunakan, karena metode ini mengelompokan nilai piksel berdasarkan informasi penutup lahan aktual dipermukaan bumi, sedangkan istilah klasifikasi tak terselia digunakan, karena proses pengkelasannya hanya mendasarkan pada infomasi gugus-gugus spektal yang tidak bertumpang susun, pada ambang jarak (threshold distance) tertentu, dan saluran-saluran yang digunakan. Proses digital digunakan untuk meningkatkan kualitas citra dan meningkatkan konsistensi interpretasi.

Hasil dari kegiatan interpretasi citra adalah klasifikasi jenis obyek yang tampak pada citra. Interpretasi secara digital adalah evaluasi kuantitatif tentang informasi spektral yang disajikan pada citra. Dalam pembuatan peta penutup lahan mulai dari klasifikasi hingga cetak dibutuhkan beberapa tahap, antara lain: pengumpulan data digital, interpretasi digital menggunakan dua metode (Supervised classification dan Unsupervised classification), modifikasi data, layout peta, dan pencetakan peta.

Dasar interpretasi citra digital berupa klasifikasi citra piksel berdasarkan nilai spektralnya dan dapat dilakukan dengan cara statistik. Dalam pengklasifikasian citra secara digital, mempunyai tujuan khusus untuk mengkategorikan secara otomatis setiap piksel yang mempunyai informasi spektral yang sama dengan mengikutkan pengenalan pola spektral, pengenalan pola spasial dan pengenalan pola temporal yang akhirnya membentuk kelas atau tema keruangan (spasial) tertentu.

Klasifikasi diawali dengan menentukan nilai piksel representatif tiap obyek secara sampling. Nilai piksel dari tiap sampel tersebut digunakan sebagai masukan dalam proses klasifikasi. Dalam mengkelaskan nilai-nilai spektral citra menggunakan banyak feature tersebut, dikenal istilah klasifikasi terselia (Supervised Classification) dan klasifikasi tak terselia (Unsupervised Classification). Istilah klasifikasi terselia digunakan, karena metode ini mengelompokan nilai piksel berdasarkan informasi penutup lahan aktual dipermukaan bumi, sedangkan istilah klasifikasi tak terselia digunakan, karena proses pengkelasannya hanya mendasarkan pada infomasi gugus-gugus spektal yang tidak bertumpang susun, pada ambang jarak (threshold distance) tertentu, dan saluran-saluran yang digunakan. Proses digital digunakan untuk meningkatkan kualitas citra dan meningkatkan konsistensi interpretasi.

a)     Unsupervised Classification (Klasifikasi tak terselia)

Unsupervised classification bekerja secara hampir otomatis, dimana jumlah pola kelas tidak diketahui. Pengelompokkan dilakukan berdasarkan piksel-piksel.

b)     Supervised Classification (Klasifikasi terselia)

Supervised Classification dilakukan dengan prosedur pengenalan pola spektral dengan memilih kelompok atau kelas-kelas informasi yang diinginkan dan selanjutnya memilih contoh-contoh kelas (tracking area) yang mewakili setiap kelompok.