PUSAT PEMANFAATAN PENGINDERAAN JAUH LAPANpusfatja.lapan.go.id/files_uploads_ebook/publikasi/Buku...

2015

PUSAT PEMANFAATAN PENGINDERAAN JAUH

LAPAN

PENGEMBANGAN NILAI TAMBAH DATA SATELIT DAN PESAWAT LAPAN

i

LAPORAN KEGIATAN LITBANGYASA

PENGEMBANGAN NILAI TAMBAH DATA SATELIT DAN

PESAWAT LAPAN

Oleh:

Dony Kushardono

I Made Parsa

Samsul Arifin

BM Riyanto

Sunaryo

Mukhoriyah

Dipo Yudhatama

Anwar Annas

Nurwita Mustika Sari

PUSAT PEMANFAATAN PENGINDERAAN JAUH

LEMBAGA PENERBANGAN DAN ANTARIKSA NASIONAL

Jl. Kalisari No. 8 Pekayon, Pasar Rebo, Jakarta 13710

Telp. (021) 8710065 Faks. (021) 8722733

iii

KATA PENGANTAR

Undang-undang No.21 tahun 2013 mengamanatkan kepada Lembaga

Penerbangan dan Antariksa Nasional (LAPAN) untuk menetapkan metode dan

kualitas pengolahan data penginderaan jauh. Sehubungan dengan hal tersebut, akan

dilakukan kegiatan penelitian, pengembangan, dan perekayasaan (litbangyasa)

pemanfaatan penginderaan jauh sebagai dasar dalam penentuan metode dan kualitas

pengolahan data. Kegiatan litbangyasa tersebut tentunya tidak dilakukan dalam waktu

setahun atau dua tahun sehingga metode dan kualitas data langsung ditetapkan,

namun memerlukan proses dan waktu yang cukup panjang. Agar setiap kegiatan

untuk menuju hal tersebut terdokumentasi dengan baik, maka disusunlah buku

laporan setiap tahunnya.

Puji syukur kehadirat Allah SWT, penyusunan buku hasil litbangyasa dengan judul Pengembangan Nilai Tambah Data Satelit dan Pesawat LAPAN telah diselesaikan dengan baik. Buku ini disusun sebagai bukti pertanggung jawaban hasil kegiatan litbangyasa yang dibiayai oleh DIPA Pusat Pemanfaatan Penginderaan Jauh. Buku ini intinya terdiri dari 6 Bab yang memuat (1) Pendahuluan, (2) Pelaksanaan Kegiatan, (3) Hasil Pelaksanaan , (4) Kesimpulan dan Saran (6) Daftar Pustaka. Buku ini disertai dengan lampiran-lampiran yang mendukung hasil kegiatan tersebut.

Dalam penyusunan buku ini tentunya melibatkan tim litbangyasa yang bekerja

selama tahun 2015, narasumber baik dari tim litbangyasa yang lain dan perguruan

tinggi, dan juga pihak-pihak lain yang terkait. Masukan-masukan dan hasil-hasil

diskusi memperkaya kegiatan ini sehingga mendapatkan hasil yang semakin baik.

Kepada pihak-pihak terkait yang telah membantu kegiatan ini, saya selaku Kepala

Pusat Pemanfaatan Penginderaan Jauh mengucapkan terima kasih yang sebesar-

besarnya. Kepada tim litbangyasa yang telah melakukan kegiatan litbangyasa ini,

selain buku ini diharapkan juga dipublikasikan hasil temuan-temuan yang sudah

didapatkan dalam media yang lain seperti Jurnal, baik nasional maupun internasional.

Akhir kata, tak ada gading yang tak retak, buku ini tentunya tidak sempurna,

namun ini akan menjadi dokumen yang penting dalam kegiatan penelitian dan

pengembangan selanjutnya. Kritik dan saran terkait penyusunan buku ini dapat

disampaikan langsung, baik secara lisan maupun tulisan. Hal ini akan dapat

membantu agar penyusunan buku berikutnya menjadi lebih baik.

Jakarta, 14 Desember 2015

Kepala

PusatPemanfaatanPenginderaanJauh,

Dr. M. RokhisKhomarudin

iv

DAFTAR ISI

Halaman:

KATA PENGANTAR iii

DAFTAR ISI v

DAFTAR GAMBAR vi

DAFTAR TABEL vi

DAFTAR LAMPIRAN vii

I. PENDAHULUAN 1

1.1. Latar Belakang 1

1.2. Permasalahan dan Tujuan 2

II. PELAKSANAAN KEGIATAN 2

2.1. Bahan 2

2.2. Metode 2

2.3. Jadwal Pelaksanaan Kegiatan 2

2.4. Personil Kegiatan 3

III. HASIL PELAKSANAAN 4

3.1. Akusisi data LSA (Lapan Surveillance Aircraft) 4

3.2. Hasil Survey lapangan 5

3.3. Hasil Litbang Pemanfaatan data LSA 7

IV. KESIMPULAN DAN SARAN 10

DAFTAR PUSTAKA 11

v

DAFTAR GAMBAR

Halaman:

No

1 Gambar 3-1 Perencanaan terbang LSA di pantura pada tanggal 18 – 19 September 2015

4

2 Gambar 3-2 Masalah radiometric pada hasil citra mozaik 5

3 Gambar 3-3 Visualisasi objek perkotaan 6

4 Gambar 3-4 Visualisasi objek pesisir 7

5 Gambar 3-5 Potensi pemanfaatan untuk inventarisasi dan pemantauan wilayah pesisir

8

6 Gambar 3-6 : Contoh pemanfaatan perkotaan dalam pemantauan lahan terbuka hijau

8

7 Gambar 3-7 : Interpretasi berdasarkan komposit NIR, NDVI, RED (Sumber: Data yang diolah)

9

8 Gambar 3-8 : Identifikasi dan interpretasi tambak 10

9 Gambar 3-9 : Kenampakan fase sawah pada citra kamera multispektral

10

DAFTAR TABEL

Halaman:

No

1 Tabel 2-1 : Jadwal Pelaksanaan Kegiatan 3

2 Tabel 2-2 : Personil dan tugas dalam Kegiatan Pengembangan Nilai Tambah Data Penginderaan Jauh TA 2015

3

vi

DAFTAR LAMPIRAN

Halaman:

No

Lampiran 1 Laporan Survey Lapangan di Kabupaten Indramayu pada tanggal 28 September-2 Oktober 2015

15

Lampiran 2 Naskah Hasil Penelitian yang sedang dalam proses publikasi ilmiah melalui Pertemuan Ilmiah Tahunan MAPIN 2015

59

Lampiran 3 Naskah Hasil Penelitian yang sedang dalam proses publikasi ilmiah melalui Sinasinderaja 2015 (Pengolahan Data Kamera Multispektral pada Pesawat LSA-01 Untuk Pemantauan Pertanian)

72

Lampiran 4 Naskah Hasil Penelitian yang sedang dalam proses publikasi ilmiah melalui Sinasinderaja 2015 (Pemanfaatan Data Foto LAPAN Surveillance Aircraft dengan Kamera Multispektral Untuk Melihat Kualitas Vegetasi pada Ruang Terbuka Hijau Perkotaan)

83

Lampiran 5 Naskah Hasil Penelitian yang sedang dalam proses publikasi ilmiah melalui Sinasinderaja 2015 (Identifikasi dan Interpretasi Visual Citra kamera Digital Multispektral untuk Objek Wilayah pesisir)

92

1

PENGEMBANGAN NILAI TAMBAH DATA SATELIT DAN PESAWAT LAPAN

Dony Kushardono*), I Made Parsa, Samsul Arifin, BM Riyanto, Sunaryo,

Mukhoriyah, Dipo Yudhatama, Anwar Annas, Nurwita Mustika Sari, Galdita Aruba Chulafak

Pusat pemanfaatan Penginderaan Jauh LAPAN

*)Email : [email protected]

I. PENDAHULUAN

1.1. Latar Belakang

Tehnologi penginderaan jauh sudah lama dikembangkan dan sudah banyak datanya dimanfaatkan untuk pemantauan lingkungan, cuaca maupun inventarisasi sumberdaya alam. Disisi yang lain sehubungan Inpres No.6 tahun 2012 yang menugaskan LAPAN menjadi institusi penyedia data satelit resolusi tinggi (lebih besar dari 4 meter), maka kebutuhan data resolusi tinggi untuk memenuhi permintaan seluruh wilayah Indonesia juga akan menjadi besar.

Saat ini data penginderaan jauh resolusi tinggi banyak dibutuhkan di Indonesia, diantaranya untuk penyediaan peta skala rinci untuk mendukung pembangunan pedesaan yang sedang digalakan pemerintah, mendukung penilaian objek pajak lahan, perencanaan infrastruktur jalan dan bangunan, pengembangan wilayah perkotaan, pertanian hingga pengawasan hasil pembangunan.

Data penginderaan jauh resolusi tinggi umumnya diperoleh dari satelit komersil seperti IKONOS, WorldView, QuickBird, GeoEye yang resolusi spasialnya 1 m hingga 31 cm. Akan tetapi data satelit tersebut selain harganya cukup mahal, misal Data IKONOS $20 Amerika per Km2 dan WorldView-2 $38 Amerika per Km2, tetapi juga waktu pemesanan (delivery order) sekitar 2 minggu bahkan bisa lebih sehubungan adanya kendala liputan awan. Sementara itu dekade terakhir, sehubungan makin berkembangnya sistem tehnologi kamera pencitraan dengan ukurannya yang semakin kecil, sudah mulai banyak dikembangkan pemanfaatan pesawat tanpa awak untuk pengamatan lahan melalui udara. LAPAN yang sudah mulai banyak mengembangkan pesawat untuk misi pemantauan dengan pesawat baik tanpa maupun dengan awak. Sehingga memiliki kesempatan yang baik untuk mendukung penyediaan data penginderaan jauh resolusi tinggi dari data kamera pada pesawat LAPAN.

Pada tahun 2013 dan 2014, telah dilakukan pengkajian sistem akuisisi hingga potensi pemanfaatan data pesawat LAPAN melalui studi pustaka maupun ujicoba sebagian pengolahan datanya. Tahun 2015 merupakan lanjutan pengkajian yang akan ditujukan untuk menyempurnakan kajian pemanfaatan datanya sehingga tercipta pedoman produk informasi penginderaan jauh dari Data Pesawat di LAPAN. Pada tulisan ini dilaporkan hasil pelaksanaan kegiatan selama semester 1 tahun 2015 sebagaimana yang dipaparkan berikut dibawah.

mailto:[email protected]

2

1.2. Permasalahan dan Tujuan

Permasalahaan pemanfaatan data penginderaan jauh pesawat LAPAN adalah belum adanya kajian potensi pemanfaatan data LSA LAPAN untuk menjalan misi penginderaan jauh dalam rangka mendukung produksi informasi kondisi lahan di Indonesia, khususnya inventarisasi SDA (sumberdaya alam) dan mitigasi bencana.

Dengan demikian kegiatan tahun anggaran 2015 ini bertujuan mengkaji dan mengembangkan nilai tambah data penginderaan jauh terbaru untuk mendukung penyediaan data resolusi tinggi untuk pemantauan SDA, lingkungan dan kebencanaan, dengan sasaran tersedianya dokumen kajian potensi pemanfaatan data penginderaan jauh Pesawat LAPAN untuk inventarisasi sawah dan perkebunan, serta pengembangan metode pemanfaatan datanya untuk mendukung produksi informasi penginderaan jauh di Indonesia.

II. PELAKSANAAN KEGIATAN

2.1. Bahan

Bahan yang dipergunakan dalam kegiatan penelitian ini adalah Data Citra penginderaan jauh udara hasil akuisisi pesawat LSA mempergunakan Kamera Multispektral, pada tanggal akuisisi bulan September 2014 dan tahun 2015 nanti.

Adapun rencana wilayah kajiannya adalah sebagaimana perencanaan terbang yang dudah pernah dibuat dan dihitung oleh Pustekbang dan Pustekdata LAPAN, yakni meliputi area sekitar Pantura Jawa Barat.

2.2. Metode

Kegiatan penelitian pengembangan nilai tambah data penginderaan jauh dari pesawat LAPAN dilaksanakan dengan tahapan meliputi :

a. Kajian literatur, b. Kajian awal data LSA dari arsip untuk mengetahui potensi

pemanfaatannya. c. Survei dan Pengumpulan data ke daerah Cirebon dan Bandung, d. Pengadaan peralatan Digital Kamera GPS sebagai sensor Pesawat untuk

akuisisi data foto, e. Kajian Potensi Data Pesawat LAPAN yang meliputi metode pengolahan

data dan analisis datanya, f. Rapat teknis perumusan metode pemanfaatan, g. Pelaporan hasil kegiatan dan publikasi.

2.3. Jadwal Pelaksanaan Kegiatan

Kegiatan penelitian dilaksanakan dengan jadwal mulai dari penyusunan proposal, pelaksanaan hingga laporan akhir sebagaimana Tabel 2-1 berikut di bawah. Dimana setelah penyusunan proposal teknis kegiatan dan kajian awal data LSA, diharapkan bersama dengan Pustekbang LAPAN melakukan akuisisi data terbaru di daerah Pantura Jawa Barat. Kemudian dari data yang diperoleh dilakukan pengolahan dan kajian metodenya, yang secara berkala hasilnya disampaikan secara terbatas kepada pakar untuk mendapatkan masukan. Setelah

3

diperoleh hasil dilakukan pembuatan pedoman pemanfaatan data dan publikasi ilmiah.

Tabel 2-1 : Jadwal Pelaksanaan Kegiatan

Tahap Kegiatan Bulan

1 2 3 4 5 6 7 8 9 10 11 12

Proposal Teknis x x

Kajian awal Data LSA x X

Akuisisi Data x X x X x x

Pertemuan teknis / rapat

perumusan / survey lapangan X x x x

Perumusan dan kajian

pemanfaatan data Pesawat

LAPAN

X x x x x x x

Pembuatan pedoman

pemanfaatan data Pesawat

LAPAN

x x x x x x

Publikasi Hasil Kegiatan x x x

Pelaporan x x x x

2.4. Personil Kegiatan

Berdasarkan Surat Keputusan Kepala Pusat Pemanfaatan Penginderaan Jauh No. 014 Tahun 2015 tertanggal Januari 2015 tentang Pembetukan Tim Pelaksana Kegiatan Litbangyasa Pemanfaatan Penginderaan Jauh Tahun Anggaran 2015, personil pelaksana kegiatan adalah dari kalangan peneliti dan perekayasa di lingkungan Pusfatja LAPAN yang akan memiliki tugas sesuai dengan bidang fungsionalnya seperti yang ditampilkan pada Tabel 2-2 berikut dibawah.

Tabel 2-2 : Personil dan tugas dalam Kegiatan Pengembangan Nilai Tambah Data

Penginderaan Jauh TA 2015

No. Nama Tugas dalam kegiatan

1 Dr.Ir. Dony Kushardono, M.Eng

- Memimpin pelaksanaan penelitian - Membuat laporan - Memberi supervisi penulisan KTI - Merumuskan Pedoman Pemanfaatan

2 Ir. I Made Parsa, M.Si. Penanggung jawab sub-kegiatan kajian aplikasi pertanian

4

3 Samsul Arifin, S.Si., M.Si. Penanggung jawab sub-kegiatan kajian aplikasi pesisir

4 BM Riyanto, S.Kom. Penanggung jawab sub-kegiatan kajian tekno-ekonomi

5 Drs. Sunaryo Anggota sub-kegiatan kajian tekno-ekonomi

6 Mukhoriyah, S.T. M.Si. Anggota sub-kegiatan kajian aplikasi pertanian

7 Dipo Yudhatama,S.T. Anggota sub-kegiatan kajian aplikasi pesisir

8 Anwar Annas, S.T. Penanggung jawab sub-kegiatan pengolahan data standar

9 Nurwita Mustika Sari, S,Si. Penanggung jawab sub-kegiatan kajian aplikasi lingkungan perkotaan / mangrove

3. HASIL PELAKSANAAN

3.1. Akusisi data LSA (Lapan Surveillance Aircraft)

Perencanaan terbang seperti yang ditunjukan pada Gambar 3-1, dimana pesawat terbang pada ketinggian 6000 kaki untuk mendapatkan cakupan data per scene 1.4 km x 1.05 km dengan resolusi spasial 68cm. Dengan kecepatan terbang yang direncanakan 90 kts dan jarak antar lintasan 0.84 km serta selang waktu take picture kamera 9.08 detik, maka didapatkan tumpang susun antar scene endlap (belakang) 60%, sidelap (samping) = 40%. Selain itu untuk menghasilkan informasi metadata posisi pengambilan data, Sensor TetraCam-ADC juga dihubungkan dengan sensor GPS agar datanya dapat diolah awal untuk dimozaik dan dikoreksi ortho.

Gambar 3-1 : Perencanaan terbang LSA di Pantura pada akuisisi tanggal 18-19

September 2015

Dari akuisisi dihasilkan sejumlah raw data yang kemudian dengan menggunakan perangkat lunak untuk mengekstraksi data per band merah, hijau dan inframerah mengunakan metode bayer filter, dihasilkan sejumnlah file data multitemporal 3 band (band merah, hijau, inframerah) yang dilengkapi dengan metadatanya berupa posisi lintang bujur dan ketinggian sensor.

5

Citra yang didapat dari akuisisi LSA ini membutuhkan waktu sekitar 3 jam untuk menyelesaikan satu lintasannya, akusisi lintasan paling utara pukul 08.00 dan lintasan paling utara pukul 11.00, sehingga pengaruh matahari akan cukup berbeda pada kedua lintasan dan akan terlihat perbedaannya ketika citra dimozaik. Pada gambar 3-2 memperlihatkan adanya perbedaan kecerahan / iluminasi dari utara ke selatan yang diakibatkan lamanya waktu akuisisi.

Gambar 3-2 . Masalah radiometrik pada hasil mozaik citra ( Sumber data yang di olah)

3.2. Hasil Survey lapangan

Survei lapangan dilakukan untuk pengumpulan data lapangan bersamaan dengan menggunakan data dari LSA pada areal perkotaan, persawahan, dan pesisir di Kabupaten Indramayu, dalam rangka untuk pengembangan model pemanfaatan serta validasi data LSA untuk mendukung produksi informasi inderaja. Detail pelaksanaan survey lapangan disampaikan pada lampiran 1

Informasi didapat dari survey ini berupa, a. Identifikasi objek di wilayah perkotaan

Identifikasi objek daerah perkotaan di indramayu untuk mengamati ruang terbuka hijau yang berupa pekarangan, bantaran sungai, hingga aset TNI berupa tanah/ lahan. Penyediaan ruang terbuka hijau bertujuan untuk menjaga ketersediaan lahan sebagai daerah resapan air, menciptakan aspek planologis perkotaan serta meningkatkan keserasian lingkungan perkotaan.

6

Gambar 3-3. Visualisasi objek perkotaan

b. Identifikasi objek di wilayah pesisir Dari identifikasi objek pesisir dapat diperoleh kelas tambak, mangrove, permukiman, dan laut. Pada wilayah pesisir timur maupun barat, pemanfaatan lahannya banyak digunakan sebagai lahan tambak garam, dan tambak ikan baik yang masih aktif maupun yang tidak aktif. Dengan menggunakan kombinasi kanal 321 dan kunci interpretasi citra (rona dan warna, bentuk, ukuran, pola, asosiasi, tekstur), dapat teridentifikasi:

7

Gambar 3-4. Visualisasi objek pesisir

3.3. Hasil Litbang Pemanfaatan data LSA

Penelitian tahun anggaran 2015 dilakukan untuk mengetahui potensi pemanfaatan data peginderaan jauh menggunakan wahana pesawat ( LSA) dalam mendukung pemetaan skala rinci, pemantauan pertanian, mengetahui kualitas vegetasi pada ruang terbuka hijau serta interpretasi visual objek. Hasil dari penelitian ini sudah dipublikasikan dipertemuan ilmiah dan majalah ilmiah sebagaimana disampaikan pada lampiran 2, 3, 4 dan 5. Data yang digunakan pada penelitian ini merupakan citra mozaik berukuran 276,48 km2 dengan resolusi spasial 68 cm perpiksel dan memiliki kualitas geometric yang cukup baik. Dengan resolusi spasial 68 cm dapat dipergunakan untuk pengukuran luas objek penggunaan lahan wilayah pesisir seperti tambak dengan membuat polygon, sehingga diharapkan akan dapat dipergunakan untuk menghitung potensi objek pajak lahan dan bangunan. Selain itu Data LSA ini juga dapat dipergunakan untuk memantau kondisi lingkungan wilayah pesisir seperti contoh pada Gambar 3-5, dimana terlihat dengan jelas Citra LSA dapat mengidentifikasi jenis tambak, bakau, pemukiman serta kondisi lingkungan disekitarnya.

8

Gambar 3-5 : Potensi pemanfaatan untuk inventarisasi dan pemantauan wilayah pesisir

Dengan resolusi spasial 68cm dan multispektral dengan band NIR, data LSA dimungkinkan untuk dipergunakan pemantauan lahan terbuka hijau daerah perkotaan. Pada Gambar 3-6 ditunjukan dengan menggunakan tehnik penajaman citra RGB ke HIS, daerah bervegetasi di Kota Indramayu ditunjukan dengan warna hijau, sehingga mudah diidentifikasi serta dapat dihitung luasan dengan metode klasifikasi berbasis objek sebagaimana yang sudah dilakukan oleh Nurwita dan Dony (2014) menggunakan data resolusi spasial sangat tinggi.

Gambar 3-6 : Contoh pemanfaatan perkotaan dalam pemantauan lahan terbuka hijau.

9

Dari citra hasil akusisi LSA juga dapat dilakukan perhitungan indeks vegetasi dengan menggunakan NDVI (Normalize Difference Vegetable Index) karena memiliki kanal hijau, merah dan inframerah dekat. Untuk mempermudah dalam melakukan interpretasi visual, maka dilakukan komposit kanal dengan menggunakan komposit kanal NIR, NDVI, R, yang penampakannya seperti terlihat pada Gambar 3-7. Dengan menggunakan komposit tersebut, untuk area non vegetasi (pemukiman, fase bera, jalan, lahan terbuka) secara visual terlihat mengarah ke warna magenta. Sedangkan untuk wilayah dengan tingkat kehijauan tinggi (vegetasi maksimum / pemanjangan batang hingga bunting) secara visual terlihat berwarna kuning - hijau muda. Pada area dengan tingkat kehijauan sedang (fase vegetatif awal / anakan, fase generatif / pematangan) terlihat berwana hijau agak tua. Sedangkan untuk tingkat kehijauan rendah terlihat berwarna hijau tua seperti terlihat pada sungai yang kemungkinan terdapat vegetasi di dalamnya.

Gambar 3-7 : Interpretasi berdasarkan komposit NIR, NDVI, RED (Sumber: Data yang diolah)

Pada interpretasi visual objek wilayah pesisir dilakukan dengan melakukan kombinasi dan pengkontrasan/penajaman citra. Tambak sebagian besar di wilayah pesisir dapat diidentifikasi berdasarkan data citra kamera multispektral menjadi 3 jenis tambak yaitu tambak ikan, udang dan garam. Ketiga tambak ini memiliki karakteristik spektral yang berbeda jika dilihat dari sudut pandang kunci-kunci interpretasi. Dari segi warna tambak dapat diidentifikasi dan diinterpretasi bahwa tambak ikan berwana biru sampai biru asin atau cyan, tambak udang biru sampai hitam dan tambak garam berwana abu-abu sampai putih seperti pada gambar 3-8. Kenampakan perbedaan warna ketiga tambak ini kemungkinan disebabkan oleh kadar garam air atau kedalaman air. Dari segi asosiasi tambak ikan terdapat vegetasi mangrove, tambak udang terdapat teknologi kincir angin dan tambak garam terdapat lahan penampungan garam dan infrastruktur jalan. Analisis di atas didasarkan kemampuan kamera multispektral yang memiliki resolusi spektral dan resolusi spasial yang tinggi.

10

Tambak Ikan

Tambak Udang

Tambak Garam Gambar 3-8 : Identifikasi dan interpretasi tambak

Vegetasi di wilayah pesisir pada penelitian ini yang cukup luas hanya terdapat

vegetasi magrove, tegalan dan sawah. Dengan menggunakan citra kamera multispektral magrove terdapat di wilayah pesisir dengan bentuk tak beraturan, tektur kasar, benrtuk ada yang luas dan sempit memamjang dengan warna hijau sampai kuningberasosiasi dengan pantai. Sawah dilihat dari citra kamera multispektral memiliki bentuk kotak / persegi dengan tektur halus, ukuran sedang sampai besar, berasosiasi dengan permukiman dan sawah berwarana hitam-biru untuk sawah fase air, berwana hijau untuk sawah bervegetasi dan sawah berwarna cyan sampai putih dengan tektur kasar terdapat bintik-bintik hitam atau putih menunjukkan sawah fase bera.

Vegetasi ladang/tegalan berdasarkan citra kamera multispektral dapat diidentifikasi dan diinterpretasi berbentuk kotak/persegi, ukuran kecil dengan tekstur alus seperti pada gambar 3-9.

Sawah Fase Air

Sawah Fase Vegetasi

Sawah Fase Bera

Gambar 3-9 : Kenampakan fase sawah pada citra kamera multispektral

4. KESIMPULAN DAN SARAN

Citra kamera multispektral yang digunakan pada LSA terdiri dari 3 band yaitu Band 1 (Green), Band 2 (Red) dan Band 3 ( Infra Merah Dekat).Band-band tersebut setara dengan band TM2, band TM3dan band TM4. Untuk melakukan pemrosesan data hasil akuisisi LSA dapat menggunakan langkah sebagai berikut:Data Mentah Ekstraksi Bayer filter Mozaik dan Koreksi tegak Pengolahan Lanjut. Citra kamera multispektral yang memiliki kemampuan resolusi spasial yang tinggi dan resolusi / multispektal dapat digunakan untuk

11

pemetaan skala rinci, pemantauan lahan pertanian, pemantauan kondisi ruang terbuka hijau serta untuk mengidentifikasi dan menginterpretasi objek di wilayah pesisir dengan metode visual berdasarkan kunci-kunci interpretasi. Identifikasi dan interpretasi objek dapat dilihat pada citra dengan mempertimbangkan perbedaan bentuk, ukuran, tekstur, warna dan asosiasi objek dengan objek lainnya secara detil.

Disarankan dilakukan penelitian lebih lanjut terutama terkait kemungkinan adanya perbedaan kualitas radiometrik mengingat waktu akuisisi dengan pesawat LSA untuk daerah yang cukup luas adalah cukup lama.

5. DAFTAR PUSTAKA

Agus B.U., 2014, Pengenalan Pesawat LSA (LAPAN Surveilance Aircraft), Presentasi dalam Pertemuan Teknis Pustekbang-Pustekdata-Pusfatja LAPAN pada Maret 2014, Jakarta.

Ahmad, M, Nugroho,W, 2012, “Kajian Pengembangan Kamera untuk Pesawat Terbang”, Laporan Kegiatan, Pustekdata-Lapan, Jakarta

Ahmad M., Nugroho W., 2014, Pengaturan Parameter Sistem Akuisisi Pada Operasi Akuisisi Data Kamera Udara Tetracam-ADC / LSA-Lapan, FGD Pemanfaatan LSA, Pustekbang LAPAN 26 Agustus 2014, Bogor.

Ahmad, F., H. S. Arifin, E. N. Dahlan, S. Effendy, R. Kurniawan. 2012. Analisis Hubungan Ruang Terbuka Hijau (RTH) dan Perubahan Suhu di Kota Palu. Jurnal Hutan Tropis Vol. 13 No. 2 September 2012.

Anwar A., Ari S.B., Dony K., 2014, Akurasi Data Foto Udara LSU-1 Untuk Misi Penginderaan Jauh Dalam Perhitungan Luasan Objek Bangunan, Prosiding Siptekgan 2014, Bogor.

Arthur R Weeks Jr, 1996, “Fundamentals of Electronic Image Processing”,

SPIE Digital Labrary. Artanto, E., Yuniar, F., Rimayanti, A. (2015). Pemetaan Pulau Terluar

Indonesia Menggunakan Wahana UAV. Prosiding Pertemuan Ilmiah Tahunan XX dan Kongres VI MAPIN 2015. MAPIN JABODETABEK. Bogor.

Arnanto, A. 2013.Pemanfaatan Transformasi Normalized Difference Vegetation Index (NDVI) Citra Landsat TM Untuk Zonasi Vegetasi di Lereng Merapi Bagian Selatan.Jurnal Geomedia Volume 11 Nomor 2 November 2013

Anonim, 2011.eCognition Developer Reference Book 8.7, Trimble Documentation, München, Germany.

B. E. Bayer, “Color Imaging Array,” U.S Patent No. 3,971,065 (1976). Chang, L., Tan, Y. (2006). Hybrid Color Filter Array Demosaicking for Effective

Artifact Suppression. Journal of Electronic Imaging 15 (1): 013003. Dede D. D. , Noor L. A. , Nugraheni, 2005, Model Pertumbuhan Tanaman Padi

Menggunakan Data Modis Untuk Pendugaan Umur Padi Sawah, Prosiding PIT MAPIN, 14-15 September 2005, Surabaya.

Dony K. 2014. Teknologi Akuisisi Data Pesawat Tanpa Awak Dan Pemanfaatannya Untuk Mendukung Produksi Informasi Penginderaan Jauh, Inderaja, Vol. V, No. 7, Pp.24-31.

12

Dony K., A. Anas, A. Maryanto, A. A. Utama, Winanto. 2015. Pemanfaatan Data LSA (LAPAN Surveillance Aircraft) Untuk Mendukung Pemetaan Skala Rinci. Prosiding Seminar Nasional Penginderaan Jauh 2015, Bogor.

Dwiyanto, A. 2009.Kuantitas dan Kualitas Ruang Terbuka Hijau di Permukiman Perkotaan.Jurnal Teknik Vol. 30 No. 2 Tahun 2009

Effendy, S. 2007. Keterkaitan Ruang Terbuka Hijau dengan Urban Heat Island Wilayah Jabotabek.Disertasi Doktor Sekolah Pascasarjana Institut Pertanian Bogor

Febrianti, N., P. Sofan. 2014. Ruang Terbuka Hijau di DKI Jakarta Berdasarkan Analisis Spasial dan Spektral Data Landsat 8. Prosiding Seminar Nasional Penginderaan Jauh 2014, Bogor

Freeman, W. T. (1988). Median Filter for Reconstructing Missing Color Samples. U.S. Patent No. 4,7642,395.

Galdita. A. C., A. Annas., Dony. K. 2015. Pengolahan Data Kamera Multispektral pada pesawat LSA-01untuk pemantauan pertanian. Prosiding Seminar Nasional Penginderaan Jauh 2015, Bogor.

Hamilton, J. F., Adams, J. E. (1997). Adaptive Color Plane Interpolation in Single Sensor Color Electronic Camera. U.S. Patent No. 5,629,734.

Harintaka, Susanto, E. W., Thobibah, T. (2006). Otomatisasi Pembuatan Mosaik Menggunakan Teknik Korelasi Silang pada Foto Udara Format Kecil. Pertemuan Ilmiah Tahunan III – T. Geomatika ITS.

Hubel, P. M., Liu, J., Guttosch, R. J. (2004). Spatial Frequency Response of Color Image Sensors: Bayer Color Filters and Foveon X3. Proc. SPIE5301, Sensors and Camera Systems for Scientific, Industrial, and Digital Photography Applications V. 402

Jati, A., Hepi H. H., Udiana, W. D. 2013. Aplikasi Penginderaan Jauh untuk Monitoring Perubahan Ruang Terbuka Hijau.Jurnal Teknik POMITS Vol. X No. X, Maret 2013

.Khomarudin, M. R. 2014. Evaluasi Kejadian Banjir Kampung Pulo Dki Jakarta dan Analisis Pengurangan Resikonya Berbasis Data Unmanned Air Vehicle (UAV) Dan Penginderaan Jauh Resolusi Tinggi, Prosiding Sinas Inderaja 2014, Bogor.

Khotdee, M., Wichitra S., Nopadon S. 2011. Effects of Green Open Space on Social Health and Behaviour of Urban Residents: A Case Study of Communities in Bangkok. ASEAN Conference on Environment-Behaviour Studies, Savoy Homann Bidakara Bandung Hotel, Bandung, Indonesia, 15-17 June 2011

Kusminingrum, N. 2008.Potensi Tanaman dalam Menyerap CO2 dan CO Untuk Mengurangi Dampak Pemanasan Global.Jurnal Permukiman Vol. 3 No. 2 Juli 2008

LAPAN, 2012, Presentasi pada pertemuan kemungkinan penggunaan UAV untuk estimasi produksi padi di BBSDLP tanggal 1 Februari 2012. (tidak dipublikasi).

Laroche, C. A., Prescott, M. A. (1994). Apparatus and Method for Adaptively Interpolating a Full Color Image Utilizing Chrominance Gradients. U.S. Patent No. 5,373,322.

13

Laurent Condat” Color filter array design using random patterns with blue noise chromatic spectra “Image and Vision Computing 28 (2010) 1196–1202

Lillesand, T.M., and Keifer, R.W. 1979. Remote Sensing and Image Interpretation.Third Edition. John Willey & Sons, Inc: New York.

Lillesand, T.M., and Keifer, R.W. 1990. Penginderaan Jauh dan Interpretasi Citra.Terjemahan dari: Remote Sensing and Image Interpretation oleh Dulbahri et al. Gadjah Mada University Press: Yogyakarta.

Mancini, F., Dubbini, M., Gatelli, M., Stecchi, F., Fabbri, S., Gabbianelli, G. (2013). Using Unmanned Aerial Vehicles (UAV) for High-Resolution Reconstruction of Topography: The Structure from Motion Approach on Coastal Environments. Remote Sensing 2013, 5 (12): 6880-6898.

Mohammad Aghagolzadeh, Albolreza Abdolhosseini Moghadam, Mrityunjay Kumar, HaderRadha “Bayer and panchromatic color filter array demosaicing by sparse Recovery” Michigan State University.

Nurwita M.S., Dony K., 2014, Klasifikasi Penutup Lahan Berbasis Obyek Pada Data Foto UAV Untuk Mendukung Penyediaan Informasi Penginderaan Jauh Skala Rinci, Jurnal Penginderaan Jauh dan Pengolahan Citra Digital, vol.11 no.2, pp.114-127.

Nurwita M.S., Dony K., 2015.Object Segmentation on UAV Photo Data to Support the Provision of Rural Area Spatial Information. Jurnal Forum Geografi Vol. 29 (1) July 2015 Pp 49-59

Nurwita M.S., Dony K., 2015, Pemanfaatan Data Foto LSA dengan kamera Multispektral Untuk Melihat Kualitas Vegetasi pada Ruang Terbuka Hijau Perkotaan. Prosiding Seminar Nasional Penginderaan Jauh 2015, Bogor.

Purwadhi, S. H. 2007.Penginderaan Jauh dan Aplikasinya.Bahan Bimtek Penginderaan Jauh. Pusat Data PenginderaanJauh, LAPAN: Jakarta.

Purwadhi, S. H., danSanjoto, B. T. 2008. Pengantar Intepretasi Citra Penginderaan jauh. LAPAN-UNES: Jakarta.

Putra, E. H., 2012. Analisis Kebutuhan Ruang Terbuka Hijau Berdasarkan Pendekatan Kebutuhan Oksigen Menggunakan Citra Satelit EO-1 ALI (Earth Observer-1 Advanced Land Imager) di Kota Manado.Info BPK Manado Volume 2 No. 1, Juni 2012

Putri, D. G., B. Soemardiono, R. Suprihardjo. 2010. Konsep Penataan Ruang Terbuka Hijau di Pusat Kota Ponorogo.Tesis Magister Fakultas Teknik Sipil dan Perencanaan Institut Teknologi Sepuluh November Surabaya

Rajeev Ramanath, Wesley E. Synder, Griff L. Bilbro and William A. Sander III “Demosaicking method for Bayer color array” Journal of Electronic Imaging 11(3), 306-315 (July 2002)

Ramanath, R., Snyder, W. E., Bilbro, G. L., (2002). Demosaicking Methods for Bayer Color Arrays. Journal of Electronic Imaging 11 (3): 306 -315.

Samsul A., A. Annas., Nurwita M.S., Dony K., 2015, Identifikasi dan Interpretasi Visual Citra kamera Digital Multispektral untuk Objek Wilayah Pesisir. Prosiding Seminar Nasional Penginderaan Jauh 2015, Bogor

Sat. Imaging Corp., 2014. WorldView-3 Satellite Sensor. http://www.satimagingcorp.com/satellite-sensors/worldview-3/ (diunduh, Agustus 2014).

Schenk, T. (2000). Digital Photogrammetry, Volume 1. Terra Science, Ohio, USA.

14

Setyasaputra, N., S.Fajar, F.Riyadhi, B.Suharmin, D. R.Ikhsan, D.Burhanuddin. 2014. Platform Unmanned Aerial Vehicle Untuk Aerial Photography Aeromodelling And Payload Telemetry Research Group (APTRG), Prosiding Sinas Inderaja 2014, Bogor.

Shofiyati, R. 2011. Teknologi Pesawat Tanpa Awak Untuk Pemetaan Dan Pemantauan Tanaman Dan Lahan Pertanian. Informatika Pertanian, Vol. 20 No.2, pp.58 – 64.

Sudaryanto, M. S. Rini. 2014. Penentuan Ruang Terbuka Hijau (RTH) dengan Indeks Vegetasi NDVI Berbasis Citra ALOS AVNIR-2 dan Sistem Informasi Geografi di Kota Yogyakarta dan Sekitarnya. Jurnal Magistra No. 89 Tahun XXVI, September 2014

TetraCam Inc., 2011. Agricultural Digital Camera User Guide, Chatsworth, CA 91311 USA, http://www.tetracam.com/ (diunduh, Januari 2014).

Widodo, S., Hidayatno, A., Isnanto, R. R. 2011. Tugas Akhir: Segmentasi Citra Menggunakan Teknik Pemetaan Warna (Color Mapping) Dengan Bahasa Pemrograman Delphi. Semarang: Universitas Diponegoro http://eprints.undip.ac.id/25765/ diunduh 26 Desember 2014

Wikipedia, 2014. Bayer Filter, http://en.wikipedia.org/ (diunduh, Agustus 2014).

Wolf, P.R. (1983). Elements of Photogrammetry, 2nd edition. McGraw Company, USA.

Yengoh, G. T., David D., Lennart O., Anna E. T., Compton J. T. 2014. The Use of the Normalized Difference Vegetation Index (NDVI) to Assess Land Degradation at Multiple Scales: A Review of the Current Status, Future Trends, and Practical Considerations.Lund University Centre for Sustainability Studies – LUCSUS, Lund, Sweden

Yuang, et al, 2002, “Image enhancement based on equal area dualistic sub-image histogram equalization method”EEE Consumer Electronics Society,

http://www.ewh.ieee.org/soc/ces/index.html

15

Lampiran 1 : Laporan Survey Lapangan di Kabupaten Indramayu pada tanggal 28 September-2 Oktober 2015

Oleh :

Samsul Arifin, Dipo Yudhatama, Mukhoriyah, Anwar Annas, Nurwita M. Sari, Imam Supriyadi

1. PENDAHULUAN 1.1. Latar Belakang

Teknologi penginderaan jauh sudah lama dikembangkan dan sudah banyak datanya yang dimanfaatkan untuk pemantauan lingkungan, cuaca maupun inventarisasi sumberdaya alam. Di sisi yang lain sehubungan Inpres No.6 tahun 2012 yang menugaskan LAPAN menjadi institusi penyedia data satelit resolusi tinggi (kurang dari 4 meter), maka kebutuhan data resolusi tinggi untuk memenuhi permintaan seluruh wilayah Indonesia juga akan menjadi besar.

Saat ini data penginderaan jauh resolusi tinggi banyak dibutuhkan di Indonesia, di antaranya untuk penyediaan peta skala rinci untuk mendukung pembangunan pedesaan yang sedang digalakkan pemerintah, mendukung penilaian objek pajak lahan, perencanaan infrastruktur jalan dan bangunan, pengembangan wilayah perkotaan, pertanian hingga pengawasan hasil pembangunan.

Data penginderaan jauh resolusi tinggi umumnya diperoleh dari satelit komersil seperti IKONOS, WorldView, QuickBird, GeoEye yang resolusi spasialnya 1 m hingga 31 cm. Akan tetapi data satelit tersebut selain harganya cukup mahal, misal Data IKONOS $20 Amerika per Km2 dan WorldView-2 $38 Amerika per Km2, tetapi juga waktu pemesanan (delivery order) sekitar 2 minggu bahkan bisa lebih sehubungan adanya kendala liputan awan. Sementara itu dalam dekade terakhir, sehubungan makin berkembangnya sistem tehnologi kamera pencitraan dengan ukurannya yang semakin kecil, sudah mulai banyak dikembangkan pemanfaatan pesawat tanpa awak untuk pengamatan lahan melalui udara. LAPAN sudah mulai banyak mengembangkan pesawat untuk misi pemantauan dengan pesawat baik tanpa maupun dengan awak, sehingga, memiliki kesempatan yang baik untuk mendukung penyediaan data penginderaan jauh resolusi tinggi dari data kamera pada pesawat LAPAN.

Pada tahun 2013 dan 2014, telah dilakukan pengkajian sistem akuisisi hingga potensi pemanfaatan data pesawat LAPAN melalui studi pustaka maupun uji coba sebagian pengolahan datanya. Tahun 2015 merupakan lanjutan pengkajian yang akan ditujukan untuk menyempurnakan kajian pemanfaatan datanya sehingga tercipta pedoman produk informasi penginderaan jauh dari Data Pesawat di LAPAN.

1.2. Tujuan Survei

Tujuan dari survei lapangan yang akan dilakukan yaitu pengumpulan data lapangan bersamaan dengan menggunakan data dari Pesawat Berawak LAPAN (LSA) pada areal perkotaan, persawahan, dan pesisir di Kabupaten Indramayu, dalam rangka untuk pengembangan model pemanfaatan data LSA untuk mendukung produksi informasi inderaja.

2. METODOLOGI 2.1. Alat dan Bahan

Alat dan bahan yang dibutuhkan dalam kegiatan survei lapangan ini yaitu

16

1. Kamera GPS (2 unit) 2. GPS 3. Peta Skala 1:25.000

2.2. Lokasi Survei

Lokasi dari survei yang akan dilakukan di Kabupaten Indramayu, Provinsi Jawa Barat untuk objek pesisir dan perkotaan (Gambar 2-1).

Gambar 1: Lokasi survei lapangan untuk objek pesisir di pantai Eretan dan objek perkotaan Indramayu

2.3. Target Survei Target dari survei lapangan yang dilakukan yaitu objek pesisir di Teluk Eretan

Indramayu dan lahan terbuka hijau di perkotaan Indramayu (Gambar 2-3). Parameter yang diukur dan informasi yang dikumpulkan dalam survey ini adalah,

a. Nilai spektral dari jenis pohon yang ada di perkotaan berdasarkan nilai NDVI

b. Karakteristik lahan tambak (tambak garam, tambak ikan, dan bekas lahan tambak yang dialihfungsikan untuk penggunaan lain)

c. Karakteristik jenis Mangrove d. Ukuran luasan objek dilokasi survei; e. Beberapa visual foto dan posisi lokasi objek pada lokasi survei; f. Kondisi lingkungan saat pengambilan data pada lokasi survei.

17

(a) Objek Survei lahan terbuka hijau perkotaan

(b) Objek Survei wilayah pesisir, tambak ikan, tambak garam, pemukiman nelayan,

manggrove dan kondisi lingkungan pantai Gambar 2: Objek survei wilayah pesisir dan perkotaan yang akan diamati di Kab. Indramayu

2.4. Waktu Pelaksanaan Survei Survei lapangan akan dilaksanakan Kabupaten Indramayu pada tanggal 28

September-2 Oktober 2015 2.5. Metode Metode survey yang dilaksanakan adalah sebagai berikut :

a. Melakukan pengambilan foto kondisi objek yang di survei dan melakukan pengukuran luasan objek yang disurvei;

b. Identifikasi awal data hasil akuisisi dari LSA untuk objek-objek wilayah perkotaan

c. Identifikasi awal data hasil akuisisi dari LSA untuk objek-objek wilayah pesisir;

18

d. Penentuan objek pesisir serta lokasi pengukuran lapangan; e. Pengambilan foto, pengukuran luasan objek dan pencatatan situasi lapangan; f. Pelaporan pelaksanaan survei lapangan.

2.6. Personil Pelaksana Survei Lapangan

Pelaksana yang terlibat pada kegiatan survei lapangan terdiri dari 6 (enam) orang personil dari LAPAN yang terdiri dari 5 orang peneliti serta 1 orang petugas lapangan dari Bappeda Kabupaten Indramayu.

Tabel 4.1. Personil Pelaksana Survei

NO.

PERSONIL JABATAN INSTANSI Lokasi Survei

1. Samsul Arifin S,Si. M.Si. Peneliti LAPAN Kab. Indramayu

2. Dipo Yudhatama, S.T. Peneliti LAPAN Kab. Indramayu

3. Mukhoriyah, ST, M. Si Peneliti LAPAN Kab. Indramayu

4. Anwar Anas, S.T. Peneliti LAPAN Kab. Indramayu

5. Nurwita M. Sari, S,Si. Peneliti LAPAN Kab. Indramayu

6. Imam Supriyadi, ST Petugas

Lapangan Bappeda Kab. Indramayu

2.7 Hasil Survei Lapangan a. Identifikasi objek di wilayah Perkotaan

19

Ruang terbuka hijau adalah area yang penggunaannya dengan jalur lebih bersifat terbuka, tempat tumbuh tanaman, baik yang tumbuh secara alamiah maupun yang sengaja ditanami. Ruang terbuka hijau di Indramayu dapat berupa pekarangan, bantaran sungai, hingga aset TNI berupa tanah/ lahan. Penyediaan RTH memliki tujuan sebagai berikut :

1. Menjaga ketersediaan lahan sebagai kawasan resapan air, 2. Menciptakan aspek planologis perkotaan melalui keseimbangan antara

lingkungan alam dan lingkungan binaan yang berguna untuk kepentingan masyarakat.

3. Meningkatakan keserasian lingkunagn perkotaan sebagai sarana pengaman lingkungan perkotaan yang aman, nyaman, segar, indah, dan bersih.

RTH yang telah ada baik secara alami ataupun buatan diharapkan dapat menjalankan empat (4) fungsi sebagai berikut :

1. Fungsi ekologis antara lain: paru-paru kota, pengatur iklim mikro, sebagai peneduh, produsen oksigen, penyerap air hujan, penyedia habitas satwa, penyerap polutan dalam udara, air dan tanah, serta penahan angin.

2. Fungsi sosial budaya antara lain: menggambarkkan ekspresi budaya lokal, media komunikasi, dan tempat rekreasi warga.

3. Fungsi ekonomi antara lain: sumber produk yang bisa dijual seperti tanaman bunga, buah, daun, dan sayur mayur. Beberapa juga berfungsi sebagai bagian dari usaha pertanian, perkebunan, kehutanan, dan lain-lain.

4. Fungsi estetika antara lain meningkatkan kenyamanan, memperindah lingkungan kota baik skala mikro (halaman rumah/lingkungan pemukiman), maupun makro (lansekap kota secara keseluruhan); menciptakan suasana serasi dan seimbang antara area terbangun dan tidak terbangun.

Dalam suatu wilayah perkotaan, empat fungsi utama ini dapat dikombinasikan sesuai kebutuhan, kepentingan, dan keberlanjutan kota seperti perlindungan tata air, keseimbangan ekologis, dan konservasi hayati. Manfaat RTH berdasarkan fungsinya dibagi dalam kategori sebagai berikut :

1. Manfaat langsung (dalam pengertian cepat dan bersifat tangible), yaitu membentuk keindahan dan kenyamanan (teduh, segar, sejuk) dan mendapatkan bahan-bahan untuk dijual (kayu, daun, bunga, dan buah).

2. Manfaat tidak langsung (berjangka panjang dan bersifat intangible), yaitu pembersih udara yang sangat efektif, pemeliharaan akan kelangsungan persediaan air tanah, dan pelestarian fungsi lingkungan beserta segala isi flora dan fauna yang ada (konservasi hayati dan keanekaragaman hayati)

Menurut Perda Kabupaten Indramayu Nomor 1 tahun 2012 tentang Rencana Tata Ruang Wilayah Kabupaten Indramayu 2011-2031, Kawasan Ruang Terbuka Hijau (RTH) perkotaan sebagaimana dimaksud pada ayat (1) huruf e seluas kurang lebih 1.722 (seribu tujuh ratus duapuluh dua) hektar atau 30 (tiga puluh) persen dari luasan kawasan perkotaan yang tersebar di setiap kecamatan terdiri atas:

a) RTH privat seluas 1.148 (seribu seratus empat puluh delapan) hektar atau 20 (dua puluh) persen dari luasan kawasan perkotaan terdiri atas:

RTH pekarangan meliputi pekarangan rumah tinggal, halaman perkantoran, pertokoan, dan tempat usaha, serta taman atap bangunan;

RTH taman dan hutan kota meliputi taman RT, taman RW, taman kelurahan, dan taman kecamatan; dan

20

RTH jalur hijau jalan meliputi pulau jalan dan median jalan, serta jalur pejalan kaki.

b) RTH publik seluas 574 (lima ratus tujuh empat) hektar atau 10 (sepuluh) persen dari luasan kawasan perkotaan terdiri atas:

RTH taman dan hutan kota meliputi taman RT, taman RW, taman kelurahan, taman kecamatan, taman kota, hutan kota, dan sabuk hijau (green belt);

RTH jalur hijau jalan meliputi pulau jalan dan median jalan, jalur pejalan kaki; dan

RTH fungsi tertentu meliputi RTH sempadan rel kereta api, jalur hijau jaringan listrik tegangan tinggi, RTH sempadan sungai, RTH sempadan pantai, RTH pengamanan sumber air baku, lapangan olahraga, dan Taman Pemakaman Umum.

Vegetasi yang banyak terdapat di Indramayu antara lain pohon mangga, kayu putih, mangrove, tanaman hias, dan sebagainya. Hasil identifikasi RTH di Indramayu pada hari pertama yaitu hari Selasa tanggal 29 September 2015 di area pendopo Kabupaten Indramayu sekitar tugu Bambu Runcing. Vegetasi yang ada pada area ini yaitu rumput kering, pohon palem, pohon mangga, pohon cemara. Selanjutnya yaitu di area permukiman Perumahan Bumi Mekar Jl. Alpukat dan Jl. Manggis. Pada area ini terdapat vegetasi rumput, pohon asoka, pohon mangga. Titik survey selanjutnya adalah di GOR Sport Center dan GOR Tri Daya. Pada area GOR, tanaman yang ada yaitu rumput kering, pohon akasia, pohon ketapang. Titik survey selanjutnya adalah Perumahan Jangkar Mas Regency yang merupakan area permukiman dan beberapa ruko ada di sekitarnya. Di wilayah ini terdapat rumput menjalar, rumput liar, tanaman hias cemara, pohon linsom. Titik selanjutnya yang diamati yaitu Tempat Pemakaman Umum (TPU) yang ada di kota, dengan vegetasi berupa rumput dan pohon kamboja. Setelah itu, daerah pengamatan pindah ke area sawah yang sedang menguning, bera, dan beberapa ruko/ rumah. Adapun vegetasi di area ini yaitu , rumput liar, pohon pisang, pohon mangga. Area survey selanjutnya yaitu di Bunderan Mangga yang mana merupakan kawasan permukiman dan masjid. Adapun vegetasi yang ada di wilayah tersebut adalah pohon mangga dan palem. Kawasan berikutnya yang menjadi titik survey adalah Kawasan Bendungan Bojongsari yang merupakan kawasan permukiman, kawasan wisata waterboom Bojongsari, dan sungai. Vegetasi yang terdapat pada area ini yaitu rumput kering, pohon kersen. Titik berikutnya yaitu GOR Singalodra yang merupakan kawasan permukiman, kawasan olahraga, dan kawasan perkantoran. Vegetasi yang ada pada wilayah ini yaitu pohon palem, pohon mangga, dan rumput. Area berikutnya yang menjadi lokasi pengamatan adalah lapangan futsal NCL dan pasar. Pada wilayah ini terdapat permukiman dan kawasan perdagangan (pasar) dengan vegetasi berupa pisang, pohon pisang, pohon manga, pohon cemara. Titik terakhir yang menjadi lokasi pengamatan ialah Jl. Kerukunan, Jl. Lemah Abang, dan Jl. Siapem yang merupakan kawasan permukiman dengna vegetasi rumput dan pohon mangga.

b. Identifikasi objek di wilayah pesisir

Pemanfaatan data LSA di Kabupaten Indramayu dapat mengidentifikasi objek pesisir dapat diperoleh kelas tambak, mangrove, permukiman, dan laut. Pada wilayah

21

pesisir timur maupun barat, pemanfaatan lahannya banyak digunakan sebagai lahan tambak garam, dan tambak ikan baik yang masih aktif maupun yang tidak aktif. Dengan menggunakan kombinasi kanal 321 dan kunci interpretasi citra (rona dan warna, bentuk, ukuran, pola, asosiasi, tekstur), dapat teridentifikasi:

Jenis Tambak Garam

Kunci Interpretasi

Rona dan warna

Bentuk Ukuran Pola Tekstur Asosiasi

Aktif Biru (ada air didalamnya)

Kotak-kotak

Umumnya lahan sangat luas

Teratur, mengelompok

Halus Di sekelilingnya ada alur sungai dan jaringan transportasi

Masa panen

Putih di dalam kotaknya

Kotak-kotak

Umumnya lahan sangat luas

Teratur, mengelompok

Halus Di sekelilingnya ada alur sungai dan jaringan transportasi dan ada bangunan untuk menampung hasil panen

Tidak Aktif (Alih fungsi lahan)

Coklat Polygon

Lahan terbagi dalam persil-persil kecil

Tidak teratur Halus Ditanami vegetasi, berupa lahan terbuka

Untuk lahan tambah yang sudah mengalami alih fungsi lahan dimanfaatkan untuk area terbangun (sekolah dan perumahan) dan digunakan untuk tambak udang dan tambak ikan. Sedangkan untuk identifikasi tambak ikan dan tambak udang dengan menggunakan data LSA biasanya dicirikan dengan adanya warna biru (karena di dalamnya terdapat unsure air), bentuknya kotak, ukurannya tidak terlalu luas, memiliki pola yang teratur, tekstur yang halus dan asosiasinya disekeliling kotak terdapat warna putih yang merupakan plastic yang digunakan sebagai dasar dari tambak ikan/udang tersebut.

22

Gambar 3. Data LSA Pesisir Barat Kabupaten Indramayu

Gambar 3. Data LSA Pesisir Timur Kabupaten Indramayu

Sedangkan untuk identifikasi mangrove memiliki karakteristik yang dipengaruhi oleh topografi pantai baik estuari atau muara sungai, dan daerah delta yang terlindung. Penampakan pada lahan mangrove umumnya memiliki pola yang tidak teratur, memiliki warna yang tajam, ukuran tidak terlalu luas, bentuk memanjang/polygon, tekstur halus dan asosiasi tumbuh di sepanjang pantai/sungai besar yang mengarah ke laut

23

LAMPIRAN

FORM ISIAN SURVEY WILAYAH PERKOTAAN

Hari/Tanggal Selasa, 29-09-2015 Kondisi Cuaca Cerah

Waktu 09.20 Surveyor

Lokasi: Pendopo Kab. Indramayu (Tugu Bambu Runcing)

Nomor Titik

1

Hasil Citra Hasil Lapangan

Koord X Koord X S :

Koord Y Koord Y E:

Visualisasi Objek Sekitar: No Foto : 86-91; 86 (pendopo), 87 (Masjid Agung), 91 (Gedung Juang 45), 91 (Sekolah)

Deskripsi: Pendopo, Masjid Agung Kab. Indramayu, Gedung Sekolah Jenis vegetasi: rumput kering, pohon palem, pohon mangga, pohon cemara

24




Lokasi: Jl. Alpukat-Jl. Manggis (Perumahan Bumi Mekar)

Nomor Titik

2


Koord X Koord X S :

Koord Y Koord Y E:

Visualisasi Objek Sekitar: No Foto : 96 - 100; 96 (Jl. Manggis), 100 (Bank BRI)

Deskripsi: Kawasan permukiman Jenis vegetasi: rumput, pohon asoka, pohon mangga

25




Lokasi: Gor Sport Center dan Gor Tridaya

Nomor Titik

3


Koord X Koord X S :

Koord Y Koord Y E:

Visualisasi Objek Sekitar: No Foto : 102, 103, 107, 108, foto dalam Gor (104, 105)

Deskripsi: Kawasan Olah Raga, permukiman Jenis vegetasi: rumput kering, pohon akasia, pohon ketapang (106)

26




Lokasi: Perumahan Jangkar Mas Regency

Nomor Titik

4


Koord X Koord X S :

Koord Y Koord Y E:

Visualisasi Objek Sekitar: No Foto : 115 (Perum. Jangkar Mas Regency), 117, 118, 119 (kawasan perdagangan/ruko)

Deskripsi: Kawasan permukiman, kawasan perdagangan/ruko Jenis vegetasi: rumput menjalar, rumput liar, tanaman hias cemara, pohon linsom

27

FORM ISIAN SURVEY WILAAH PERKOTAAN

Hari/Tanggal Selasa, 29-09-2015

Kondisi Cuaca Cerah


Lokasi: TPU (Tempat Pemakaman Umum)

Nomor Titik

5


Koord X Koord X S :

Koord Y Koord Y E:

Visualisasi Objek Sekitar: No Foto : 73-74

Deskripsi: Kawasan permukiman Jenis vegetasi: rumput, pohon kamboja

28


Hari/Tanggal Selasa, 29-09-2015 Kondisi Cuaca

Cerah


Lokasi: Sawah

Nomor Titik

6


Koord X Koord X S :

Koord Y Koord Y E:

Visualisasi Objek Sekitar: No Foto : 126 -129

Deskripsi: Sawah, kawasan permukiman Jenis vegetasi: padi, rumput liar, pohon pisang, pohon mangga

29



Cerah


Lokasi: Bunderan Mangga

Nomor Titik

7


Koord X Koord X S :

Koord Y Koord Y E:


Deskripsi: Kawasan permukiman, masjid Jenis vegetasi: Pohon Palem, pohon mangga

30




Lokasi: Bendungan Bojongsari

Nomor Titik

8


Koord X Koord X S :

Koord Y Koord Y E:

Visualisasi Objek Sekitar: No Foto : 134 -137, waterboom bojongsari (138)

Deskripsi: Kawasan wisata bojongsari, kawasan permukiman, sungai Jenis vegetasi: rumput kering, pohon kersen

31



Cerah


Lokasi: Gor Wiralodra

Nomor Titik

9


Koord X Koord X S :

Koord Y Koord Y E:

Visualisasi Objek Sekitar: No Foto : 143 – 146

Deskripsi: kawasan permukiman, kawasan perkantoran, kawasan olah raga Jenis vegetasi: rumput, pohon mangga, pohon palem

32




Lokasi: Lapangan Futsal NCL, Pasar

Nomor Titik

10


Koord X Koord X S :

Koord Y Koord Y E:

Visualisasi Objek Sekitar: No Foto :

Deskripsi: Kawasan perdagangan (pasar), kawasan permukiman Jenis vegetasi: tanaman pisang, pohon pisang, pohon manga, pohon cemara

33




Lokasi: Jl. Kerukunan, Jl. Lemah Abang, Jl. Siapem

Nomor Titik

11


Koord X Koord X S :

Koord Y Koord Y E:

Visualisasi Objek Sekitar: No Foto :

Deskripsi: kawasan permukiman Jenis vegetasi: rumput, pohon mangga

34

FORM ISIAN SURVEY WILAYAH PESISIR TIMUR

Hari/Tanggal Rabu, 30-09-2015 Kondisi Cuaca Cerah


Lokasi: Tambak (20)

Nomor Titik

12


Koord X Koord X S :

Koord Y Koord Y E:


Deskripsi: Tambak ikan, lahan terbuka

35




Lokasi: Tambak ikan (20 A)

Nomor Titik

13


Koord X Koord X S :

Koord Y Koord Y E:

Visualisasi Objek Sekitar: No Foto : 172

Deskripsi: Adanya alih fungsi lahan tambak menjadi lahan terbuka

36




Lokasi: Pelabuhan dan TPI (Tempat Pelelangan Ikan (19)

Nomor Titik

14


Koord X Koord X S :

Koord Y Koord Y E:

Visualisasi Objek Sekitar: No Foto : 174, 175

Deskripsi: Tambak ikan dalam kondisi mongering, dermaga (pelabuhan)

37


Hari/Tanggal Rabu, 30-09-2015 Kondisi Cuaca

Cerah


Lokasi: Lahan terbuka, bangunan sekolah

Nomor Titik

14A


Koord X Koord X S :

Koord Y Koord Y E:


Deskripsi: Adanya lahan tambak ikan yang beralih fungsi menjadi bangunan sekolah dan perumahan

38




Lokasi: Tambak ikan dan tambak udang

Nomor Titik

15


Koord X Koord X S :

Koord Y Koord Y E:


Deskripsi: Kebun campur, tambak ikan, tambak udang

39


Hari/Tanggal Rabu, 30-09-2015 Kondisi Cuaca

Cerah


Lokasi: Tambak ikan

Nomor Titik

16


Koord X Koord X S :

Koord Y Koord Y E:


Deskripsi: Kawasan permukiman, Kebun campur, tambak ikan

40




Lokasi: Tambak

Nomor Titik

17


Koord X Koord X S :

Koord Y Koord Y E:


Deskripsi: Kawasan permukiman, Kebun campur, tambak ikan dalam kondisi kering

41

FORM ISIAN SURVEY WILAYAH PESISIR BARAT

Hari/Tanggal Kamis, 01-10-2015 Kondisi Cuaca Cerah


Lokasi: Tambak di Daerah Losarang

Nomor Titik

19 A


Koord X Koord X S :

Koord Y Koord Y E:


Deskripsi: Tambak garam yang sedang panen, tambak udang, lahan terbuka bekas tambak garam

42




Lokasi: Tambak ikan di Daerah Losarang

Nomor Titik

19 B


Koord X Koord X S :

Koord Y Koord Y E:

Visualisasi Objek Sekitar: No Foto : 220, 221, 224, 227

Deskripsi: Tambak garam , tambak ikan, dan penampungan hasil panen garam

43




Lokasi: Tambak ikan

Nomor Titik

20


Koord X Koord X S :

Koord Y Koord Y E:


Deskripsi: Tambak ikan Vegetasi: pohon api-api, pohon bakau

44




Lokasi: Tambak Garam

Nomor Titik

21


Koord X Koord X S :

Koord Y Koord Y E:


Deskripsi: Tambak garam Vegetasi: pohon api-api, pohon bakau

45





Nomor Titik

22


Koord X Koord X S :

Koord Y Koord Y E:



46





Nomor Titik

23


Koord X Koord X S :

Koord Y Koord Y E:



47





Nomor Titik

24


Koord X Koord X S :

Koord Y Koord Y E:



48





Nomor Titik

24


Koord X Koord X S :

Koord Y Koord Y E:


Deskripsi: Tambak garam, sungai, bekas tambak garam Vegetasi: pohon api-api, pohon bakau

49





Nomor Titik

25


Koord X Koord X S :

Koord Y Koord Y E:


Deskripsi: Tambak garam, bekas tambak ikan Vegetasi: pohon api-api, pohon bakau

50





Nomor Titik

26


Koord X Koord X S :

Koord Y Koord Y E:


Deskripsi: Tambak garam, dan bekas tambak garam Vegetasi: pohon api-api, pohon bakau

51


Hari/Tanggal Kamis, 01-10-2015 Kondisi Cuaca

Cerah



Nomor Titik

27


Koord X Koord X S :

Koord Y Koord Y E:


Deskripsi: Tambak garam, tambak ikan Vegetasi: pohon api-api, pohon bakau

52



Cerah



Nomor Titik

28


Koord X Koord X S :

Koord Y Koord Y E:



53



Cerah



Nomor Titik

29


Koord X Koord X S :

Koord Y Koord Y E:



54




Lokasi: Tambak Ikan

Nomor Titik

30


Koord X Koord X S :

Koord Y Koord Y E:


Deskripsi: Tambak ikan dan bekas tambak ikan Vegetasi: pohon api-api, pohon bakau

55




Lokasi: Pantai

Nomor Titik

31


Koord X Koord X S :

Koord Y Koord Y E:


Deskripsi: Vegetasi: pohon api-api, pohon bakau

56



Cerah


Lokasi: Pantai

Nomor Titik

32


Koord X Koord X S :

Koord Y Koord Y E:


Deskripsi: Vegetasi: pohon api-api, pohon bakau

57




Lokasi: Tambak ikan dan Pantai

Nomor Titik

33


Koord X Koord X S :

Koord Y Koord Y E:


Deskripsi: tambak ikan Vegetasi: pohon api-api, pohon bakau

58



Cerah


Lokasi: Tambak ikan dan Pantai

Nomor Titik

34


Koord X Koord X S :

Koord Y Koord Y E:


Deskripsi: tambak ikan Vegetasi: pohon api-api, pohon bakau

59

Lampiran 2 : Naskah Hasil Penelitian yang sedang dalam proses publikasi ilmiah melalui Pertemuan Ilmiah Tahunan MAPIN 2015

Pemanfaatan Data LSA (LAPAN Surveillance Aircraft) untuk Mendukung

Pemetaan Skala Rinci

Dony Kushardono1, Anwar Anas1, Ahmad Maryanto2, Agus Bayu Utama3, Winanto1 1Pusat Pemanfaatan Penginderaan Jauh, LAPAN

2Pusat Teknologi dan Data Penginderaan Jauh, LAPAN 3Pusat Teknologi Penerbangan, LAPAN

[email protected]

Abstrak Pembangunan infrastuktur, pemantauan produktivitas pertanian, dan pemantauan

untuk mitigasi bencana alam membutuhkan informasi spasial skala rinci yang dapat perolehan cepat. Produksi informasi spasial lahan skala rinci menggunakan data satelit di Indonesia, selain mahal harganya juga sering terkendala adanya liputan awan yang tinggi. Sehubungan dengan semakin berkembangnya teknologi penginderaan jauh udara, diharapkan informasi spasial lahan skala rinci dapat dihasilkan dengan menggunakan wahana pesawat yang dapat terbang dibawah awan dan dapat diperoleh datanya setiap saat. LAPAN sedang mengembangkan LSA yakni jenis pesawat ultra ringan bermesin yang mampu terbang hingga 8jam dan dilengkapi sensor kamera untuk misi penginderaan jauh. Uji coba telah dilakukan di Pantura Jawa Barat untuk memantau persawahan dan objek lahan pesisir mulai dari Kabupaten Karawang hingga Indramayu dengan perencanaan terbang seluas 93km × 34km, dimana LSA membawa sensor kamera multispektral 3 band (merah, hijau, inframerah dekat) dan dilengkapi informasi GPS. Hasil kajian, data LSA yang diperoleh dengan resolusi spasial 68 cm per piksel berpotensi untuk memantau persawahan dengan tehnik indek vegetasi, identifikasi objek di pesisir dan perkotaan.

Kata kunci : Penginderaan jauh udara, LSA, informasi spasial lahan, sawah, pesisir. 1. Pendahuluan

Informasi spasial lahan skala rinci dibutuhkan untuk mendukung pembangunan infrastrutur perkotaan dan pedesaan. Selain itu, informasi spasial skala rinci yang dapat diperoleh dengan cepat dan berkesinambungan dapat dipergunakan untuk memantau produktivitas lahan, dan untuk mendukung mitigasi bencana alam.

Penyediaan informasi spasial lahan skala rinci melalui data satelit penginderaan jauh, selain akuisisi datanya sering terhambat adanya liputan awan, juga ada keterbatasan resolusi temporalnya sehubungan orbit satelit serta harganya cukup mahal. Sebagai contoh Data Satelit Penginderaan Jauh Wolrdview-3 yang memiliki resolusi spasial 0.31 m dengan lebar cakupan data (Swath) 13.1km dan waktu perolehan data tercepat 4.5 hari pada perolehan hingga miring (off nadir) 20º (Sat. Imaging corp., 2014), maka akan cukup sulit untuk mendapatkan data citra bebas awan setiap saat pada daerah pengamatan di wilayah tropis seperti Indonesia yang tingkat liputan awannya cukup tinggi.

60

Dengan semakin berkembangnya teknologi sensor kamera penginderaan jauh dan harganya yang menjadi semakin terjangkau, serta semakin berkembangnya teknologi pesawat tanpa awak atau wahana terbang murah lainnya, maka untuk mengatasi kelemahan perolehan data satelit resolusi sangat tinggi tersebut di atas, perolehan informasi spasial skala rinci dapat menggunakan data dari sensor kamera pada wahana pesawat tanpa awak yang bisa dioperasikan kapan saja, dimana saja dengan bebas awan karena dapat terbang di bawah awan (Shofiyati, 2011; Dony, 2014; Setyasaputra et.al., 2014).

Sejak terbentuknya Pusat Teknologi Penerbangan di LAPAN pada tahun 2010, LAPAN selain aktif melakukan pengkajian, perencanaan dan pengembangan pesawat niaga, juga sudah mengembangkan dan mengoperasikan pesawat tanpa awak (LAPAN Surveilance UAV / LSU) dan pesawat kecil berawak (LAPAN Surveilance Aircraft / LSA) yang dapat dipergunakan untuk misi penginderaan jauh (Ristek, 2013; Gatra, 2014). UAV LAPAN sudah banyak dipergunakan untuk misi penginderaan jauh, seperti untuk mendukung mitigasi bencana melalui pemantauan Gunung Merapi dan pemantauan banjir Jakarta (Khomarudin, 2014), pemantauan sawah (LAPAN, 2012), kajian pengukuran objek pajak bangunan dan lahan (Anwar et.al., 2014) dan kajian klasifikasi penutup penggunaan lahan skala rinci (Nurwita dan Dony, 2014).

Tujuan penelitian ini adalah melakukan uji coba akuisisi data LSA dan melakukan kajian awal potensi data LSA untuk mendukung penyediaan informasi spasial penginderaan jauh resolusi sangat tinggi pada bidang pertanian sawah, pesisir dan perkotaan.

2. Sistem Akuisisi Data LSA

2.1. Pesawat LSA LSA yang berupa pesawat ultra ringan bermotor dan nantinya juga

dikembangkan untuk dapat dikendalikan secara autonomous atau tanpa awak sebagaimana UAV. LSA yang sedang dikembangkan mampu beroperasi hingga ketinggian 2000m dan akan mampu menghasilkan data foto seluas 200 Km2 (Gambar 2-1).

Gambar 2-1: Operasi LSA untuk pemantauan (Agus, 2014)

61

LSA memiliki bentang sayap 18 m dan panjang 8,5m serta digerakan dengan 3 baling-baling, selain akan mampu lepas landas pada landasan pendek 300m yang memudahkan operasionalnya juga akan terbang lebih stabil sehingga diharapkan dapat mengemban misi pemetaan udara (Agus, 2014).

Gambar 2-2 : Bentuk LSA dan mounting tempat kamera pada sayap kanan

Dengan dilengkapi sensor kamera, LSA diharapkan akan mampu menjalankan

misi utama yang meliputi, 1. Sebagai tambahan atau pelengkap citra satelit; 2. Verifikasi dan validasicitra satelit; 3. Monitoring dan Manajemen Pertanian; 4. Fotogrametri; 5. Pemantauan Banjir dan Pemetaan; 6. Api Hotspot Detection dan Pemantauan; 7. Pencarian dan penyelamatan; dan 8. misi Penelitian LAPAN misal untuk pengembangan sensor satelit. Selain itu LSA juga dimungkinkan menjalankan misi lain yakni, 1. Pemantauan perbatasan; 2. Pemantauan Kehutanan; 3. Mendukung tugasKepolisian; 4. Pemetaan Perkotaan; dan 5. Pemantauan infrastruktur.

62

2.2. Kamera Multispektral LSA Pesawat LSA selain dirancang untuk dapat membawa sistem pecitraan udara

professional yang bobotnya sekitar 20 hingga 30 kg seperti MACS-RT LAPAN yang dikembangkan DLR, atau sistem kamera professional yang besar seperti AeroStab-3, Trimble DSS-580, dan Leica RCD30-CH62 (Ahmad dan Nugroho, 2014), LSA juga diuji coba untuk mengemban misi penginderaan jauh mengunakan kamera multispectral kecil yang murah dalam hal ini TetraCam-ADC.

Gambar 2-3 : Kamera multispektral TetraCam-ADC.

Menurut kajian Ahmad dan Nugroho (2014), TetraCam-ADC adalah merupakan kamera foto udara multispectral memiliki 3 band merah, hijau dan inframerah dekat, menggunakan sensor 3.2 Mpix dapat diperuntukan pemantauan vegetasi, sehingga diharapkan dapat dipergunakan untuk misi pemantauan lahan pertanian melalui pesawat udara. Secara umum spesifikasi sensor TetraCam-ADC adalah sebagai berikut,

a. Jumlah piksel pergaris (Npx/Lx) : 2048 / 6.5126mm b. Jumlah garis (Npy/Ly) : 1536 / 4.8845mm c. Ukuran piksel (px x py) : 0.00318mm x 0.00318mm d. Panjang focus (f) : 8.5 mm (unchanged) e. Bilangan focus (N) : 4 (unchanged) f. Jarak hiperfokus : 1.82 m (asumsi batas lingkaran kabur 0.01mm) g. Ukuran file image : 3.07 MB (RAW 8), 6.15 MB (RAW 10), 2.3 MB

(DCM10) h. Durasi waktu per siklus acq : 3 sec (RAW8), 4 sec (RAW10), 7 sec (DCM10)

Berdasarkan spesifikasi sensor TetraCam ADC tersebut di atas, maka akan dapat diperoleh citra dengan resolusi spasial berdasarkan ketinggian terbang pesawat seperti contoh hasil perhitungan pada Tabel 2-1 di bawah, dimana misal untuk ketinggian terbang 6000 kaki akan didapatkan resolusi spasial citra 68.4 cm dengan ukuran citra 1401.2 m x 1050.9 m Tabel 2-1 : Ketinggian terbang dan ukuran citra yang dihasilkan oleh Kamera TetraCam-ADC

Ketinggian Resolusi spasial

Ukuran Citra

(feet) (m) (m) x(m) y(m)

63

3000 914.40 0.3421 700.61 525.46

5800 1767.84 0.6614 1354.51 1015.88

5900 1798.32 0.6728 1377.86 1033.40

6000 1828.80 0.6842 1401.21 1050.91

Data multispectral 3 band pada kamera TetraCam-ADC, dihasilkan dengan

menggunakan tehnik Bayer Filter (Wikipedia, 2014) pada panjang gelombang daerah pencitraan sensor seperti pada Gambar 2-4, dimana daerah biru diblok menggunakan filter didepan lensa, sehingga hanya cahaya pada panjang gelombang sekitar lebih 500 nm hingga 1200 nm yang masuk. Dimana dari cahaya yang ditangkap sensor, dengan menggunakan tehnik Bayer Filter diperoleh band sintetis hijau, merah, serta inframerah (NIR) dekat dari posisi piksel biru (kurva garis warna biru pada Gambar 2-4).

Gambar 2-4 : Panjang gelombang sensor kamera TetraCam-ADC (TetraCam Inc., 2011).

3. Metodologi

3.1. Bahan dan Alat Peralatan yang dipergunakan pada kegiatan ini adalah Pesawat LSA hasil

pengembangan Pustekbang LAPAN yang dilengkapi dengan Sensor Kamera TetraCam-ADC. Sedang peralatan pengolahan data yang dipergunakan adalah Komputer yang dilengkapi perangkat lunak PixelWrench2 dan Agisoft Photoscan.

3.2. Daerah Kajian

Uji coba akuisisi data citra menggunakana wahana LSA dilaksanakan di Daerah Pantura Jawa Barat yakni sekitar Karawang, Subang dan Indramayu pada luasan area target sekitar 93km x 34km dan dilaksanakan pada tanggal 18-19 September 2014, dimana pesawat takeoff dan landing dari Lanud Kalijati Subang.

3.3. Metode

Tahapan pelaksanaan kegiatan adalah sebagai berikut,

64

a. Akuisisi data yang meliputi, kalibrasi kamera, instalasi GPS kamera dan pembuatan perencanaan terbang untuk akuisisi data berdasarkan kemampuan pesawat, spesifikasi kamera dan perhitungan resolusi spasial yang diinginkan yakni 68 cm dengan tumpang susun antar scene data endlap (belakang) 60%, sidelap (samping) 40%.

b. Pengolahan awal data yang meliputi, ekstraksi data raw menjadi data band sintetis menggunakan metode bayer filter, mozaik dan produksi citra ortho.

c. Kajian potensi data untuk identifikasi objek lahan pada bidang pertanian sawah, pesisir dan perkotaan.

4. Hasil dan Pembahasan

4.1. Akuisisi Data LSA Perencanaan terbang seperti yang ditunjukan pada Gambar 4-1, dimana

pesawat terbang pada ketinggian 6000 kaki untuk mendapatkan cakupan data per scene 1.4 km x 1.05 km dengan resolusi spasial 68cm. Dengan kecepatan terbang yang direncanakan 90 kts dan jarak antar lintasan 0.84 km serta selang waktu take picture kamera 9.08 detik, maka didapatkan tumpang susun antar scene endlap (belakang) 60%, sidelap (samping) = 40%. Selain itu untuk menghasilkan informasi metadata posisi pengambilan data, Sensor TetraCam-ADC juga dihubungkan dengan sensor GPS agar datanya dapat diolah awal untuk dimozaik dan dikoreksi ortho.

Gambar 4-1 : Perencanaan terbang LSA di Pantura pada akuisisi tanggal 18-19 September 2015.

Dari akuisisi dihasilkan sejumlah raw data yang kemudian dengan menggunakan perangkat lunak untuk mengekstraksi data per band merah, hijau dan inframerah mengunakan metode bayer filter, dihasilkan sejumnlah file data multitemporal 3 band (band merah, hijau, inframerah) yang dilengkapi dengan metadatanya berupa posisi lintang bujur dan ketinggian sensor. Pada Gambar 4-2 ditunjukan salah satu contoh scene data multitemporal yang ditampilkan RGB.

65

Gambar 4-2 : salah satu contoh Data Multitemporal dari LSA (R=band NIR, G=band merah,

B=band hijau)

Dengan menggunakan perangkat lunak Agisoft, dari sejumlah data LSA yang diperoleh, melalui informasi metadata pada tiap scene data pada satu kali terbang dari pukul 8.30 hingga 11.15 WIB (2 jam 45 menit), dapat diketahui posisi sensor saat perolehan data dari pesawat, sebagaimana yang ditunjukan pada Gambar 4-3 terlihat posisi pengambilan data yang dimulai dari Lanud Kalijati Subang hingga pengambilan 4 lintasan. Dari Gambar 4-3 (bawah) juga ditunjukan kualitas posisi sensor, dimana jarak antar scene data terlihat hampir sama baik dalam satu lintasan maupun antar lintasan, sehingga bisa diharapkan kualitas mozaik citra juga akan baik.

66

Gambar 4-3 : Salah satu contoh posisi sensor saat akuisisi data dengan kamera pada LSA

Dari sekitar 1050 scene data pada contoh 4 lintasan yang dipilih pada Gambar 4-3 tersebut, dilakukan mozaik dan diperoleh citra terkoreksi otho berukuran 276.480 Km² yang disajikan pada citra 3 band berukuran 87928 piksel x 13676 baris. Citra hasil 3 band tersebut setelah dikonversi menjadi format kml, jika ditumpang susunkan pada peta Google, seperti pada Gambar 4-4, dimana untuk memudahkan disajikan menjadi dua bagian, terlihat bahwa hanya dengan menggunakan informasi metadata pada tiap scene, hasil mozaik citra orthonya sudah memiliki kualitas geometrik yang bagus. Hal tersebut dapat dilihat seperti garis sungai, jalan atau pematang sawah pada peta citra satelit di Google yang terus menyambung ke citra mozaik dari data pesawat LSA kamera TetraCam-ADC.

67

(a) Citra mozaik bagian timur (daerah Indramayu dan sekitarnya)

(b) Citra mozaik bagian barat (daerah Pamanukan dan sekitarnya)

Gambar 4-3 : Citra LSA hasil mozaik terkoreksi ortho ditumpang susunkan pada peta Google untuk mengkaji kualitas geometrik.

4.2. Potensi Pemanfaatan Data LSA

Untuk mengkaji kesehatan tanam, produktivitas sawah, dari data multispektral LSA band merah dan band NIR ditransformasikan menjadi indek kehijauan tanaman dengan NDVI (normalized difference vegetation indek). Pada Gambar 4-4 ditunjukan contoh citra data LSA hasil transformasi NDVI, dimana mengunakan palete warna ditunjukan sawah dengan indek vegetasi rendah berwarna hijau tua, sedang yang indek vegetasinya tinggi ditunjukan dengan warna putih. Sedang untuk membedakan sawah dengan objek lahan yang lain, dengan membuat tampilan komposit warna dari band merah, hijau dan NDVI, dapat dengan mudah diidentifikasi. Dengan demikian sebagaimana potensi citra satelit untuk analisis pola pertumbuhan tanaman dan produktivitas padi yang juga menggunakan data NDVI (Dede et.al, 2005), maka NDVI data LSA diharapkan juga akan berpotensi untuk analisis pola dan produksi tanaman dengan skala lebih rinci.

68

Gambar 4-4 : Contoh untuk aplikasi pemantauan kondisi sawah, hasil transformasi NDVI dari

data LSA (kiri) dan tampilan komposit warna R=band hijau, G=NDVI, B=band merah(kanan)

Potensi data LSA TetraCam-ADC, sebagaimana ditunjukan pada Gambar 4-5 (a) dengan resolusi spasial 68 cm dapat dipergunakan untuk pengukuran luas objek penggunaan lahan wilayah pesisir seperti tambak dengan membuat polygon, sehingga diharapkan akan dapat dipergunakan untuk menghitung potensi objek pajak lahan dan bangunan. Selain itu Data LSA ini juga dapat dipergunakan untuk memantau kondisi lingkungan wilayah pesisir seperti contoh pada Gambar 4-5 (b), dimana terlihat dengan jelas Citra LSA dapat mengidentifikasi jenis tambak, bakau, pemukiman serta kondisi lingkungan disekitarnya.

69

(a) Pengukuran luas tambak di Patrol Indramayu

(b) Pemantauan lingkungan wilayah pesisir Indramayu

Gambar 4-5 : Potensi pemanfaatan untuk inventarisasi dan pemantauan wilayah pesisir

Dengan resolusi spasial 68cm dan multispektral dengan band NIR, data LSA dimungkinkan untuk dipergunakan pemantauan lahan terbuka hijau daerah perkotaan. Pada Gambar 4-6 ditunjukan dengan menggunakan tehnik penajaman citra RGB ke HIS, daerah bervegetasi di Kota Indramayu ditunjukan dengan warna hijau, sehingga mudah diidentifikasi serta dapat dihitung luasan dengan metode klasifikasi berbasis objek sebagaimana yang sudah dilakukan oleh Nurwita dan Dony (2014) menggunakan data resolusi spasial sangat tinggi.

70

Gambar 4-6 : Contoh pemanfaatan perkotaan dalam pemantauan lahan terbuka hijau.

5. Kesimpulan dan Saran

Dari pembahasan diatas dapat disimpulkan bahwa Pesawat LSA dengan sensor kamera TetraCam-ADC berpotensi untuk mendukung penyediaan informasi spasial lahan skala rinci dengan cakupan yang relative luas.

Hasil uji coba di Pantura Jawa Barat, Pesawat LSA untuk satu kali terbang dapat menghasilkan citra mozaik berukuran 276,48 Km² dengan resolusi spasial 68cm per piksel dan kualitas geometriknya yang cukup baik. Selain itu juga pada daerah kajian di Pantura Jawa Barat, diketahui bahwa citra hasil akuisisi Pesawat LSA memiliki potensi untuk dipergunakan produksi informasi lahan skala rinci.

Disarankan dilakukan penelitian lebih lanjut terutama terkait kemungkinan adanya perbedaan kualitas radiometrik mengingat waktu akuisisi dengan pesawat LSA untuk daerah yang cukup luas adalah cukup lama.

71

Daftar Pustaka

Anwar A., Ari S.B., Dony K., 2014, Akurasi Data Foto Udara LSU-1 Untuk Misi Penginderaan Jauh Dalam Perhitungan Luasan Objek Bangunan, Prosiding Siptekgan 2014, Bogor.

Ahmad M., Nugroho W., 2012, Kajian Pengembangan Kamera untuk Pesawat Terbang, Laporan Kegiatan, Bidang Teknologi Akuisisi dan Stasiun Bumi, Pustekdata, LAPAN (tidak dipublikasikan).

Ahmad M., Nugroho W., 2014, Pengaturan Parameter Sistem Akuisisi Pada Operasi Akuisisi Data Kamera Udara Tetracam-ADC / LSA-Lapan, FGD Pemanfaatan LSA, Pustekbang LAPAN 26 Agustus 2014, Bogor (tidak dipublikasikan).

Agus B.U., 2014, Pengenalan Pesawat LSA (LAPAN Surveilance Aircraft), Presentasi dalam Pertemuan Teknis Pustekbang-Pustekdata-Pusfatja LAPAN pada Maret 2014, Jakarta.

Dede D. D. , Noor L. A. , Nugraheni, 2005, Model Pertumbuhan Tanaman Padi Menggunakan Data Modis Untuk Pendugaan Umur Padi Sawah, Prosiding PIT MAPIN, 14-15 September 2005, Surabaya.

Dony K. 2014. Teknologi Akuisisi Data Pesawat Tanpa Awak Dan Pemanfaatannya Untuk Mendukung Produksi Informasi Penginderaan Jauh, Inderaja, Vol. V, No. 7, Pp.24-31.

Gatra, 2013, Pesawat Tanpa Awak LAPAN Meraih Rekor MURI , Gatra News, http://www.gatra.com/il-tek/sain/ (diunduh Juli 2014).

Ristek, 2013, Pesawat Pengamat Persembahan Lapan, http://www.ristek.go.id (diunduh Juli 2014).

Khomarudin, M. R. 2014. Evaluasi Kejadian Banjir Kampung Pulo Dki Jakarta dan Analisis Pengurangan Resikonya Berbasis Data Unmanned Air Vehicle (UAV) Dan Penginderaan Jauh Resolusi Tinggi, Prosiding Sinas Inderaja 2014, Bogor.

LAPAN, 2012, Presentasi pada pertemuan kemungkinan penggunaan UAV untuk estimasi produksi padi di BBSDLP tanggal 1 Februari 2012. (tidak dipublikasi).

Nurwita M.S., Dony K., 2014, Klasifikasi Penutup Lahan Berbasis Obyek Pada Data Foto UAV Untuk Mendukung Penyediaan Informasi Penginderaan Jauh Skala Rinci, Jurnal Penginderaan Jauh dan Pengolahan Citra Digital, vol.11 no.2, pp.114-127.

Sat. Imaging Corp., 2014. World View-3 Satellite Sensor. http://www.satimagingcorp.com/satellite-sensors/worldview-3/ (diunduh, Agustus 2014).

Setyasaputra, N., S.Fajar, F.Riyadhi, B.Suharmin, D. R.Ikhsan, D.Burhanuddin. 2014. Platform Unmanned Aerial Vehicle Untuk Aerial Photography Aeromodelling And Payload Telemetry Research Group (APTRG), Prosiding Sinas Inderaja 2014, Bogor.

Shofiyati, R. 2011. Teknologi Pesawat Tanpa Awak Untuk Pemetaan Dan Pemantauan Tanaman Dan Lahan Pertanian. Informatika Pertanian, Vol. 20 No.2, pp.58 – 64.

TetraCam Inc., 2011. Agricultural Digital Camera User Guide, Chatsworth, CA 91311 USA, http://www.tetracam.com/ (diunduh, Januari 2014).

Wikipedia, 2014. Bayer Filter, http://en.wikipedia.org/ (diunduh, Agustus 2014).

http://www.ristek.go.id/index.php/module/News+News/id/13213

http://www.ristek.go.id/

72

Lampiran 3 : Naskah Hasil Penelitian yang sedang dalam proses publikasi ilmiah melalui Sinasinderaja 2015

Pengolahan Data Kamera Multispektral pada Pesawat LSA-01 untuk

Pemantauan Pertanian Galdita Aruba Chulafak1, Anwar Annas2, Dony Kushardono3

1,2,3Pusat Pemanfaatan Penginderaan Jauh, LAPAN E-mail: [email protected]

ABSTRAK-Salah satu misi pengembangan pesawat di LAPAN adalah penginderaan jauh. LAPAN Surveillance Aircraft (LSA) memiliki pengindera kamera multispektral yang dilengkapi dengan GPS. Penelitian ini mengkaji pengolahan data kamera multispektral LSA untuk pemantauan pertanian. Data yang dipergunakan adalah data hasil akuisisi dengan LSA pada wilayah pertanian di Pantura (Subang dan Indramayu). Adapun metode pengolahan yang dipergunakan adalah ekstraksi data mentah menggunakan teknik Bayer pattern, kemudian mozaik data hasil ekstraksi dengan menggunakan teknik korelasi silang dan analisis vegetasi sawah menggunakan konversi indeks vegetasi. Hasil penelitian ini adalah kajian pengolahan awal data multispektral LSA untuk analisis vegetasi persawahan. Kata kunci:data multispektral LSA, Bayer pattern, mozaik data, korelasi silang, NDVI ABSTRACT-One of LAPAN’s mission in aircraft development is remote sensing. LAPAN Surveillance Aircraft (LSA) has a multispectral camera that equipped with GPS. This study examines data processing on LSA’s multispectral camera for agricultural monitoring. The data used is the results from LSA’s acquisition in agricultural areas in Pantura (Subang and Indramayu). The processing method used is the extraction of raw data using a Bayer pattern technique, then mosaic the extracted data by using cross correlation and analyze the rice fields vegetations using vegetation indices conversion. Results of this study is the pre-processing LSA multispectral datamethod for the analysis ofthe rice fields vegetations. Keywords: LSA’s multispectral data, Bayer pattern, mosaic data, cross corelation, NDVI

1. PENDAHULUAN

Saat ini data penginderaan jauh resolusi tinggi banyak dibutuhkan di Indonesia, di antaranya untuk penyediaan peta skala rinci dalam mendukung pembangunan pedesaan, penilaian objek wajib pajak, perencanaan infrastruktur jalan dan bangunan, pengembangan wilayah perkotaan, pengawasan hasil pembangunan, hingga untuk masalah pertanian.

Data penginderaan jauh resolusi tinggi umumnya diperoleh dari satelit komersil, seperti, IKONOS, WorldView, GeoEye, dan lain-lain. Akan tetapi, data satelit tersebut selain harganya cukup mahal juga waktu pemesanannya (delivery order) membutuhkan waktu sekitar 2 minggu bahkan bisa lebih dikarenakan adanya kendala liputan awan. Sementara itu dalam dekade terakhir, sehubungan makin berkembangnya sistem teknologi kamera pencitraan dengan ukuran yang

73

semakin kecil, sudah mulai banyak dikembangkan pemanfaatan pesawat tanpa awak untuk pengamatan melalui udara. LAPAN sudah mulai banyak mengembangkan pesawat untuk misi pemantauan dengan pesawat baik tanpa maupun dengan awak, memiliki kesempatan yang baik untuk mendukung penyediaan data penginderaan jauh resolusi tinggi dari data kamera pada pesawat LAPAN.

Program LAPAN Surveillance Aircraft (LSA) merupakan program dari Lembaga Penerbangan dan Antariksa Nasional yang mengembangkan pesawat berawak dengan kapasitas kecil yang digunakan untuk kegiatan pengamatan seperti pemantauan ataupun pemetaan (Kushardono, 2015). Salah satu fungsi dari LSA adalah untuk melakukan pengamatan, baik untuk wilayah daratan ataupun perairan dan membawa payload yang dapat disesuaikan untuk objek yang akan diamati. LSA pernah melakukan pengambilan data di wilayah Subang dan Indramayu pada bulan September 2014. Salah satu pengindera yang terpasang pada saat pengambilan data tersebut merupakan kamera multispektral yang mempunyai 3 kanal, yaitu kanal hijau, merah, dan inframerah dekat. Pengambilan data yang dilakukan tersebut merupakan pengambilan data oleh pesawat LSA dengan kamera multispektral yang pertama kali dilakukan, sehingga penelitian ini bertujuan sebagai kajian pengolahan awal data multispektral pesawat LSA di wilayah lahan pertanian. Seperti halnya pada pesawat tanpa awak, pengamatan yang dapat dilakukan oleh LSA tidak terbatas hanya pada lahan pertanian, namun juga dapat untuk wilayah pesisir, perkotaan, wilayah bencana, dan lainnya (Shofiyanti, 2011; Wiyono, 2015; Artanto, 2015; Mancini, 2013; Nurwita, 2015).

Penelitian ini merupakan penelitian lanjutan dari penelitian yang dilakukan oleh Kushardono dkk mengenai “Pemanfaatan Data LSA (LAPAN Surveillance Aircraft) untuk Mendukung Pemetaan Skala Rinci” (Kushardono, 2015) dengan mengambil bagian pada pengolahan data kamera multispektral untuk pemantauan pertanian

2. Pengolahan Data Data yang diperoleh dari kamera multispektral hasil akuisisi dari pesawat LSA

berupa matrik dalam Bayer array, sehingga perlu dilakukan ekstraksi kanal-kanal yang ada agar dapat dilakukan pengolahan lebih lanjut. Setelah dilakukan ekstraksi kemudian dilakukan mozaik data dan selanjutnya dapat dilakukan perhitungan nilai dari indeks vegetasi. Pengindera yang digunakan mempunyai sensor yang didesain dan dioptimasi untuk menangkap cahaya tampak dan inframerah dekat pada panjang gelombang 520 nm hingga 920nm. Pada Gambar 1 menunjukkan respon dari sensor pengindera terhadap masing-masing kanal (merah, hijau, dan biru).

74

Gambar1. Respon spektral pada pengindera (Sumber: Tetracam Inc, 2011)

1.1 Ekstraksi Bayer Filter Pola Bayer termasuk salah satu Color Filter Array (CFA) terbentuk dari suatu

susunan dari filter kanal merah, hijau, dan biru yang ditempatkan pada tiap-tiap lokasi spasial (Hubel, 2004). Dengan menggunakan dua filter hijau untuk setiap filter biru dan merah, pola Bayer didesain untuk memaksimalkan ketajaman kanal luminansi yang sebagian besar terdiri dari kanal hijau (Bayer, 1976).

Gambar 2. Pola Bayer (Sumber: Chang et al., 2006 )

Untuk mengkonversi citra dari format Bayer ke RGB perludilakukan interpolasi dari dua nilai warna pada masing-masing piksel. Algoritma Freeman (Median-based interpolation) merupakan metode yang terbaik digunakan pada citra yang mempunyai bercak / speckle sedangkan algoritma Larosche-Prescott’s (Gradient based interpolation) dan Algortima Hamilton-Adam (Adaptive color plane interpolation) merupakan metode yang cocok digunakan pada citra yang memiliki sisi/tepi yang tajam (Ramanath, 2002).

2.1.1 Median-based interpolation Terdapat dua langkah dalam metode ini yaitu interpolasi linier dan median filter

dari perbedaan warna. Interpolasi linier digunakan untuk mengisi setiap lokasi citra dengan tiga warna yang ada sedangkan median filter merupakan perhitungan dari perbedaan citra, sebut saja merah dikurangi hijau dan biru dikurangi hijau. Citra yang dihasilkan dari median filter digunakan bersamaan dengan sampel asli Bayer array untuk memulihkan sampel (Freeman, 1988).

2.1.2 Gradient based interpolation

Metode ini umumnya digunakan di sistem kamera digital. Metode ini terdiri dari tiga langkah, pertama interpolasi dari kanal luminansi (hijau), langkah kedua dan ketiga merupakan interpolasi dari perbedaan warna (merah dikurangi hijau dan biru dikurangi hijau). Interpolasi perbedaan warna digunakan untuk merekontruksi kanal krominansi (merah dan biru). Metode ini mengambil keuntungan karena mata manusia lebih sensitif pada perubahan luminansi (Laroche, 1994).

2.1.3 Adaptive color plane interpolation

75

Metode ini merupakan modifikasi dari metode gradient based interpolation. Metode ini menggunakan beberapa langkah seperti yang dilakukan pada metode gradient based interpolation tetapi dimodifikasi yang dilakukan untuk mengakomodasi turunan pertama dan kedua. Metode ini juga mempunyai tiga langkah seperti pada gradient based interpolation (Hamilton, 1997).

1.2 Teknik Korelasi Silang

Ditinjau dari teknik pembuatannya, terdapat tiga jenis mozaik, yaitu mozaik terkontrol, tidak terkontrol, dan semi terkontrol (Wolf, 1983). Mozaik terkontrol adalah mozaik yang dibuat dari citra yang telah direktifikasi sehingga semua citra telah mempunyai skala yang sama. Mozaik tidak terkontrol merupakan mozaik yang dibuat dari citra tegak yang belum direktifikasi serta belum diseragamkan skalanya. Mozaik semi terkontrol adalah mozaik yang disusun dengan menggunakan citra yang mempunyai beberapa titik kontrol, tetapi citra tersebut tidak direktifikasi dan mempunyai skala yang tidak seragam.

Teknik korelasi silang merupakan salah satu teknik penyamaan citra. Secara umum terdapat 3 metode penyamaan citra, yaitu area-based matching, feature-based matching, dan symbolic matching (Schenk, 2000). Area-based matching mendasarkan hubungan antara dua citra berdasarkan kesamaan derajat keabuan. Teknik yang sering digunakan adalah teknik korelasi silang dan Least Mean Square (LSM). Area-based matching mempunyai kelemahan bahwa objek belum tentu bersesuaian karena hanya berdasarkan nilai spektral. Feature-based matching menentukan hubungan antara dua fitur citra, sedangkan symbolic matching merupakan metode yang menggabungkan antara area-based matching dengan feature-based matching

Prinsip dari teknik korelasi silang adalah mencari pasangan objek/titik piksel antara citra referensi dengan citra pasangan. Pada citra referensi ditentukan jendela sasaran yang memuat titik piksel yangakan dicaripasangannya pada citra pasangan. Pada citra pasangan ditentukan daerah selidik yang mempunyai ukuran lebih besar daripada daerah sasaran. Pada daerah sasaran dibentuk pula jendela/daerah sub selidik dengan ukuran yang sama dengan jendela/daerah sasaran, misal 5 piksel x 5 piksel. Jendela sub selidik ini bergerak dengan pertambahan 1 piksel sepanjang setiap baris dan kolom di daerah selidik. Kemudian dihitung nilai korelasi antara jendela sasaran dengan jendela sub selidik.

Pada setiap posisi pergerakan jendela sub selidik dalam jendela selidik ini dihitung nilai korelasi antara jendela sasaran dengan jendela sub selidik. Piksel dengan nilai korelasi tertinggi merupakan piksel yang bersesuaian pada kedua citra tersebut, dengan nilai korelasi antara -1 hingga 1. Nilai 1 menunjukkan korelasi yang sempurna, nilai 0 menunjukkan tidak terdapat korelasi, dan nilai -1 menujukkan adanya korelasi yang berkebalikan atau berlawanan (Schenk, 2000)

Persyaratan yang dipenuhi untuk melakukan area based matching adalah pasangan citra perlu dinormalisasi terlebih dahulu, misal mengenai derajat kecerahan. Jika tie point antar foto sudah terdeteksi, maka mozaik dapat dibentuk.Seringkali antar citra memiliki kekontrasan yang sangat berbeda sehingga jika dilakukan mozaik akan tidak seragam, untuk itu perlu dilakukan penyeragaman warna antar citra (Harintaka, 2006).

76

3. BAHAN DAN METODE 1.3 Bahan dan Alat

Bahan dan alat yang digunakan dalam penelitian ini adalah data foto hasil akuisisi pesawat LSA yang mempergunakan kamera multispektral pada waktu akuisisi bulan September 2014. Adapun wilayah kajiannya merupakan area sekitar Pantura Jawa Barat, terutama di wilayah Kabupaten Subang dan Indramayu. Data foto dari pesawat LSA yang digunakan merupakan foto yang diambil pada ketinggian 6000 kaki dengan cakupan 1.4 km x 1.05 km dan mempunyai resolusi spasial 68 cm. Adapun pertampalan antar scene foto adalah 60% (belakang) dan 40% (samping).

1.4 Metode Metode yang dilakukan dalam penelitian ini terlihat seperti pada Gambar 3.

Gambar 3.Metode penelitian

4. HASIL PEMBAHASAN

4.1 Hasil Ekstraksi Bayer Filter Data mentah yang diakuisi dari pesawat LSA diolah menggunakan perangkat

lunak dan akan menghasilkan citra multispektral yang mempunyai tiga kanal. Tidak seperti citra pada umumnya yang mempunyai kombinasi kanal RGB, citra yang dihasilkan dari hasil ekstraksi Bayer filter ini mempunyai komposit warna NIR, Red, Green seperti terlihat pada Gambar 4.

RAW Data

Ekstraksi Bayer Filter

Ekstraksi Metadata

Data dengan

metadata (lat, long, alt)

Mozaik dan koreksi tegak

Menghitung NDVI

77

(a) Komposit pengolahan awal dari data mentah

(b) Kanal Hijau (c) Kanal Merah

(d) Kanal Inframerah dekat (e) R, 0.75xG + 0.25xNIR, 0.75xG - 0.25xNIR

Gambar 4. Hasil ekstraksi Bayer filter (Sumber: Data yang diolah)

Komposit warna NIR, Red, Green ini dikarenakan terdapat filter penyerap kanal biru yang digunakan untuk menghilangkan sensitifitas sensor terhadap kanal biru, dan piksel biru pada sensor digunakan untuk mengukur nilai dari kanal inframerah dekat (kurva biru pada Gambar 1). Citra yang dihasilkan oleh sensor kemudian diolah menggunakan perangkat lunak untuk mengurangi nilai inframerah dekat yang telah diukur dari kanal merah dan biru untuk menghasilkan citra merah/hijau/inframerah dekat.

4.2 Hasil Mozaik Data citra hasil ekstraksi Bayer filter masih merupakan data yang masih

terpotong-potong seperti data mentahnya, maka dari itu perlu dilakukan mozaik sehingga menjadi data citra yang utuh sesuai dengan hasil perekaman dari pesawat LSA. Selain dilakukan mozaik, juga perlu dilakukan koreksi tegak yang dibutuhkan karena gerakan dari pesawat LSA tidak sepenuhnya tegak terhadap permukaan bumi. Data citra yang diakuisi dari pengindera sudah terdapat lokasi koordinat yang didapat dari GPS pada pengindera, sehingga untuk memozaik data citra bisa lebih mudah dilakukan.

Gambar 5. Hasil mozaik citra dari data hasil perekaman LSA (Sumber: Data yang diolah)

78

Hasil dari mozaik tidak sepenuhnya bagus baik dari segi geometrik maupun dari segi radiometrik. Selain itu, tidak semua data citra dapat dimozaik walaupun data citra tersebut memiliki data koordinat terutama pada wilayah perairan. Wilayah perairan sangat cepat berubah seperti pada kondisi arus airnya, kemungkinan hal ini yang menyebabkan data citra sulit untuk dimozaik, namun, untuk wilayah pesisir masih dapat dimozaik dikarenakan masih terdapatnya wilayah daratan yang kondisinya relatif tetap sehingga nilai korelasi silang antar foto masih memenuhi untuk dilakukan mozaik walaupun wilayah perairannya relatif berubah.

Gambar 6. Hasil mozaik yang kurang sempurna yang ditampalkan pada Google Earth. Gambar kiri: wilayah perairan.Gambar kanan: wilayah daratan

(Sumber: Data yang diolah)

Dari segi geometrik, tidak seluruh data citra yang bertampalan menghasilkan data citra yang seamless seperti pada Gambar 7 (atas), namun untuk akurasi geometriknya sudah cukup bagus walaupun terlihat masih terdapat sedikit pergeseran ketika ditampilkan dengan ditampalkan menggunakan citra dari Google Earth seperti terlihat pada Gambar 7 (bawah).

Gambar 7. Beberapa kekurangan pada segi geometrik (Sumber: Data yang diolah)

Pada Gambar 8 memperlihatkan adanya perbedaan kecerahan / iluminasi dari utara ke selatan yang diakibatkan lamanya waktu akuisisi. Waktu akuisisi lintasan paling utara sekitar pukul 08.00 pagi, sedangkan pada lintasan paling selatan sekitar pukul 11.00, sehingga pengaruh matahari akan cukup berbeda pada kedua lintasan dan akan terlihat perbedaannya ketika citra dimozaik. Citra yang didapat

79

dari akuisisi LSA ini membutuhkan waktu berjam-jam untuk menyelesaikan satu lintasannya, berbeda dengan citra penginderaan jauh dari satelit yang membutuhkan waktu hanya dalam hitungan menit dalam tiap sapuannya sehingga tidak akan terjadi gradasi iluminansi dalam citranya. Selain itu pada citra penginderaan jauh menggunakan satelit terdapat metadata mengenai hal-hal yang dapat membantu dalam koreksi radiometriknya, seperti sudut azimut dan elevasi

matahari. Gambar 8. Masalah radiometrik pada hasil mozaik citra (Sumber: Data yang diolah)

4.3 Analisis Lahan Pertanian Untuk melakukan kajian mengenai masalah pertanian dengan menggunakan

citra hasil akuisisi LSA maka perlu dilakukan pengolahan lanjutan. Dikarenakan kanal yang dihasilkan oleh pengindera berada pada kanal hijau, merah, dan inframerah dekat, maka dapat dilakukan perhitungan indeks vegetasi dengan menggunakan NDVI (Normalize Difference Vegetable Index) sebagai pengolahan lanjutan. Pada Gambar 9 ditunjukkan hasil sampel citra NDVI dari citra hasil perekaman LSA dengan menggunakan gradasi hijau, di mana piksel yang mempunyai NDVI tinggi ditunjukkan dengan warna terang (hijau ke arah putih) sedangkan piksel yang mempunyai NDVI rendah ditunjukkan dengan warna gelap (hijau ke arah hitam).Nilai NDVI yang terhitung pada sampel lokasi berkisar dari -0.281 hingga 0.735.

80

Gambar 9. Hasil sampel dari NDVI pada wilayah pertaniandengan menggunakan palet hijau.

(Sumber: Data yang diolah)

Untuk mempermudah dalam melakukan interpretasi visual, maka dilakukan komposit kanal dengan menggunakan komposit kanal NIR, NDVI, R, yang penampakannya seperti terlihat pada Gambar 10. Dengan menggunakan komposit tersebut, untuk area non vegetasi (pemukiman, fase bera, jalan, lahan terbuka) secara visual terlihat mengarah ke warna magenta. Sedangkan untuk wilayah dengan tingkat kehijauan tinggi (vegetasi maksimum / pemanjangan batang hingga bunting) secara visual terlihat berwarna kuning - hijau muda. Pada area dengan tingkat kehijauan sedang (fase vegetatif awal / anakan, fase generatif / pematangan) terlihat berwana hijau agak tua. Sedangkan untuk tingkat kehijauan

rendah terlihat berwarna hijau tua seperti terlihat pada sungai yang kemungkinan terdapat vegetasi di dalamnya.

Gambar 10. Interpretasi berdasarkan komposit NIR, NDVI, RED (Sumber: Data yang diolah)

81

5. KESIMPULAN Data multispektral yang diakuisisi oleh pesawat LSA berpotensi untuk

digunakan dalam pengamatan wilayah lahan pertanian seperti halnya penggunaan dari data yang diakuisisi dari satelit penginderaan jauh.

Untuk melakukan pemrosesan data hasil akuisisi LSA dapat menggunakan langkah sebagai berikut:Data Mentah Ekstraksi Bayer filter Mozaik dan Koreksi tegak Pengolahan Lanjut, namun, masih perlu dilakukan tambahan langkah pengolahan dan koreksi citra baik dalam masalah geometrik maupun radiometrik sehingga citra yang dihasilkan lebih baik.

6. UCAPAN TERIMAKASIH

Ucapan terima kasih kami tujukan kepada Kepala Pusat Teknologi Penerbangan LAPAN yang telah memberi bantuan pesawat LSA sebagai pembawa dari pengindera multispektral dan Kepala Pusat Pemanfaatan Penginderaan Jauh LAPAN yang telah mendukung dalam penelitian ini.

82

7. DAFTAR PUSTAKA

Kushardono, D., Annas, A., Maryanto, A., Utama, A. B., Winanto. (2015). Pemanfaatan Data LSA (LAPAN Surveillance Aircraft) untuk Mendukung Pemetaan Skala Rinci. Prosiding Pertemuan Ilmiah Tahunan XX dan Kongres VI MAPIN 2015. MAPIN JABODETABEK. Bogor.

Shofiyanti, Rizatus (2011). Teknologi Pesawat Tanpa Awak untuk Pemetaan dan Pemantauan Tanaman dan Lahan Pertanian. Informatika Pertanian 20 (2): 58 – 64.

Wiyono, A., Budiyanta, S. A. (2015). Analisa Perencanaan dan Hasil Uji Terbang LSU-01untuk Pemotretan Wilayah Longsor Banjarnegara. Prosiding Pertemuan Ilmiah Tahunan XX dan Kongres VI MAPIN 2015. MAPIN JABODETABEK. Bogor.

Artanto, E., Yuniar, F., Rimayanti, A. (2015). Pemetaan Pulau Terluar Indonesia Menggunakan Wahana UAV. Prosiding Pertemuan Ilmiah Tahunan XX dan Kongres VI MAPIN 2015. MAPIN JABODETABEK. Bogor.

Mancini, F., Dubbini, M., Gatelli, M., Stecchi, F., Fabbri, S., Gabbianelli, G. (2013). Using Unmanned Aerial Vehicles (UAV) for High-Resolution Reconstruction of Topography: The Structure from Motion Approach on Coastal Environments. Remote Sensing 2013, 5 (12): 6880-6898.

Sari, N. M., Kushardono, D. (2015). Object Segmentation on UAV Photo Data to Support the Provision of Rural Area Spatial Information. Jurnal Forum Geografi 29 (1): 49-59.

Tetracam, Inc (2011). Agricultural Digital Camera User’s Guide (ver 2.3). Chatsworth: Tetracam, Inc.

Hubel, P. M., Liu, J., Guttosch, R. J. (2004). Spatial Frequency Response of Color Image Sensors: Bayer Color Filters and Foveon X3. Proc. SPIE5301, Sensors and Camera Systems for Scientific, Industrial, and Digital Photography Applications V. 402.

Bayer, Bryce E. (1976). Color Imaging Array. U.S. Patent No. 3,971,065 Chang, L., Tan, Y. (2006). Hybrid Color Filter Array Demosaicking for Effective

Artifact Suppression. Journal of Electronic Imaging 15 (1): 013003. Ramanath, R., Snyder, W. E., Bilbro, G. L., (2002). Demosaicking Methods for

Bayer Color Arrays. Journal of Electronic Imaging 11 (3): 306 -315. Freeman, W. T. (1988). Median Filter for Reconstructing Missing Color Samples.

U.S. Patent No. 4,7642,395. Laroche, C. A., Prescott, M. A. (1994). Apparatus and Method for Adaptively

Interpolating a Full Color Image Utilizing Chrominance Gradients. U.S. Patent No. 5,373,322.

Hamilton, J. F., Adams, J. E. (1997). Adaptive Color Plane Interpolation in Single Sensor Color Electronic Camera. U.S. Patent No. 5,629,734.

Wolf, P.R. (1983). Elements of Photogrammetry, 2nd edition. McGraw Company, USA.

Schenk, T. (2000). Digital Photogrammetry, Volume 1. Terra Science, Ohio, USA. Harintaka, Susanto, E. W., Thobibah, T. (2006). Otomatisasi Pembuatan Mosaik

Menggunakan Teknik Korelasi Silang pada Foto Udara Format Kecil. Pertemuan Ilmiah Tahunan III – T. Geomatika ITS.

83


Pemanfaatan Data Foto Lapan Surveillance Aircraft dengan Kamera

Multispektral untuk Melihat Kualitas Vegetasi pada Ruang Terbuka Hijau Perkotaan

Nurwita Mustika Sari1, Dony Kushardono2 1,2Pusat Pemanfaatan Penginderaan Jauh LAPAN

E-mail: [email protected]

ABSTRAK-Saat ini LAPAN sedang mengembangkan pesawat Lapan Surveillance Aircraft (LSA) yang diantaranya memiliki misi penginderaan jauh untuk mendukung penyediaan informasi spasial lahan skala rinci yang dibutuhkan dalam pembangunan dan pelestarian lingkungan di Indonesia.Penelitian ini melakukan kajian pemanfaatan data multispectral LSA untuk analisis kondisi ruang terbuka hijau (RTH) di wilayah perkotaan.Data yang dipergunakan adalah data hasil kamera multispektral Tetracam-ADC pada LSA yang memiliki tiga band yaitu merah, hijau, dan NIR, dengan resolusi spasial 58 cm untuk wilayah pengamatan Kota Indramayu, Jawa Barat. Dari penelitian ini telah diketahui bahwa data multispectral LSA dapat dipergunakan untuk analisis RTH perkotaan. Selain itu juga dihasilkan model pemanfaatan data multispectral LSA dengan metode klasifikasi penutup pengguna lahan dan Normalized Difference Vegetation Index (NDVI) untuk analisis kualitas RTH skala rinci.

Kata kunci : LSA, Penginderaan Jauh Udara, Multispektral, Ruang Terbuka Hijau ABSTRACT - LAPAN is currently developing LAPAN Surveillance Aircraft (LSA) that has remote sensing mission as one of its purpose to support the provision of detailed-scale land spatial information, which is necessary tobuild and preserve the environment in Indonesia. This research conducts utilization study of LSA multispectral data to analyze Green Open Space (GOS) condition in urban area. Data used is the data from multispectral camera namely Tetracam-ADC which is placed at the LSA. It has three bands namely Red, Green, and NIR, with a spatial resolution 58 cm, the observation area is Indramayu Regency, West Java. From this study, it is known that utilization of LSA multispectral data can be used to analyze Green Open Space in urban areas. In addition, produced a utilization model of LSA multispectral data with land use/ landcover classification method and Normalized Difference Vegetation Index (NDVI) to analyze detailed-scale Green Open Space quality. Keywords: LSA, aerial remote sensing, multispectral, Green Open Space 1. PENDAHULUAN

Pesawat LSA (LAPAN Surveillance Aircraft) menjadi salah satu wahana yang sangat potensial untuk misi penginderaan jauh skala rinci.Selain itu, pesawat ini juga dilengkapi sensor penginderaan jauh salah satunya adalah kamera multispektral Tetracam Agricultural Digital Camera (ADC).Dengan demikian data foto yang diambil dengan pesawat LSA kamera multispektral ini dapat melihat kondisi kesehatan tanaman. Hal tersebut dapat dilihat dengan bantuan band Red dan NIR untuk memperoleh nilai NDVI (Normalized Difference Vegetation Index) (Dony et al., 2014).Terkait diungkapkan Arnanto (2013) melalui penelitiannya bahwa nilai indeks vegetasi atau NDVI yang diperoleh dari transformasi memiliki

84

kaitan erat dengan umur vegetasi dan kerapatan tegakan.Nilai NDVI pun mampu mengukur perubahan lahan yang diindikasikan pada perubahan vegetasinya seperti perubahan penutup/ penggunaan lahan, pemantauan biodiversitas, juga pemantauan ketahanan ekosistem (Yengoh et al., 2014).

Menurut Undang-Undang nomor 26 tahun 2007, Ruang Terbuka Hijau (RTH) merupakan area memanjang dan atau mengelompok yang penggunaannya lebih bersifat terbuka, tempat tumbuh tanaman, baik yang tumbuh secara alamiah ataupun yang sengaja ditanam. Pemantauan terhadap kuantitas dan kualitas RTH diperlukan untuk menjalankan fungsi RTH secara sinergi. Sebagaimana ditulis Dwiyanto (2009) tentang pentingnya menjaga RTH tidak hanya sekadar kuantitatif namun juga kualitatif. Kualitas yang dimaksud adalah tanaman yang ada pada RTH. Obyek tanaman pada RTH ini dapat diamati dengan penginderaan jauh. Penginderaan jauh dengan skala rinci akan mampu menampilkan obyek secara jelas termasuk vegetasi berupa sawah (Sari dan Dony, 2015).

Keberadaan ruang terbuka hijau yang ada di wilayah perkotaan merupakan hal krusial, mengingat idealnya untuk menjaga kelestarian lingkungan diperlukan 30% luas ruang terbuka hijau.Ruang Terbuka Hijau memiliki fungsi penting untuk menjaga suhu udara agar tetap stabil dan tidak mengalami kenaikan terutama wilayah perkotaan yang rentan mengalami fenomena UHI (Urban Heat Island). Keterkaitan RTH dengan UHI diungkapkan Effendy (2007) bahwa pengurangan RTH menjadi salah satu faktor pemicu UHI sehingga keberadaan RTH sangat penting untuk suatu wilayah, terutama perkotaan. Ahmad (2012) juga mengungkapkan bagaimana RTH terkait erat dengan perubahan suhu perkotaan. Penurunan RTH secara signifikan berperan meningkatkan suhu wilayah tersebut sehingga menjadi pemicu UHI.

Fungsi lain RTH secara lebih detail dijelaskan Putri (2010) dan Kusminingrum (2008) bahwa RTH seharusnya memiliki fungsi ekologis untuk menciptakan iklim mikro yang nyaman, mengurangi polusi dan debu; fungsi estetika untuk menciptakan kota yang lebih indah dan hijau; serta fungsi sosial budaya dan ekonomi sebagai tempat bagi masyarakat untuk melakukan berbagai jenis kegiatan secara sosial dan budaya. Ruang terbuka hijau yang dapat berupa taman kota merupakan aspek yang cukup penting dalam kesehatan sosial. Sebagaimana hasil penelitian yang dilakukan oleh Khotdee et al. (2011) bahwa melalui penelitiannya yang dilakukan dengan metode kuisioner diperoleh hasil kondisi kejiwaan orang-orang yang berkunjung ke taman kota berada dalam ambang batas normal untuk empat aspek, yaitu gejala somatik, kecemasan dan insomnia, disfungsi sosial, dan depresi berat.

Beberapa wilayah seperti DKI Jakarta telah memiliki area yang diperuntukkan sebagai ruang terbuka hijau. Adapun luas RTH di DKI Jakarta baru mencakup 10% dari total luasnya (Febrianti dan Sofan, 2014). Pemanfaatan penginderaan jauh telah cukup banyak dilakukan untuk deteksi ruang terbuka hijau diantaranya berbasis citra ALOS AVNIR 2 untuk wilayah Yogyakarta dan Pasuruan, berbasis citra Landsat 8 untuk wilayah DKI Jakarta, juga berbasis citra EO 1-ALI untuk wilayah Manado (Jati et al., 2013, Sudaryanto et al., 2014, Febrianti et al., 2014, Putra, 2012).

Penelitian sebelumnya menunjukkan bahwa pemanfaatan data penginderaan jauh untuk deteksi RTH dapat dilakukan. Adapun ruang terbuka hijau yang diamati dan dianalisis lebih lanjut pada data LSA ini yaitu ruang terbuka hijau yang

85

ditumbuhi tanaman. Dalam penelitian ini, akan dilakukan pengkajian awal mengenai metode analisis kualitas kehijauan dari RTH wilayah perkotaan menggunakan data multispektral dari pesawat LSA.

2. METODE 2.1. Bahan

Bahan utama yang digunakan dalam penelitian adalah data citra multispektral LSA yang diakuisisi oleh Pusat Teknologi Penerbangan LAPAN pada tanggal 18-19 September 2014 yang mencakup area perkotaan Indramayu, Jawa Barat, kemudian kumpulan data tersebut dimosaik dan dikoreksi ortho oleh Tim Pusat Pemanfaatan Penginderaan Jauh LAPAN, dan data hasilnya adalah sebagaimana terlihat pada Gambar 2-1. Dimana citra multispektral LSA ini diakuisisi mempergunakan kamera TetraCam ADC 3 band yakni Band Merah, Hijau dan Inframerah dekat, dan diterbangkan pada ketinggian terbang 2000m sehingga diperoleh resolusi spasial 58m.

Gambar 2-1 Hasil mosaik data LSA yang dipergunakan sebagai data utama penelitian.

2.2. Metode Metode pengolahan data LSA yang dilakukan dalam penelitian ini dilakukan

dengan tahapan seperti terlihat pada gambar 2-2, yakni pemotongan (cropping) datahasil mosaik, klasifikasi penggunaan lahan berbasis objek dengan segmentasi, dan analisis kualitas kehijauan pada ruang terbuka hijau (RTH).

86

Gambar 2-2 Tahapan Pengolahan Data Foto LSA untuk Analisis Kualitas Kehijauan RTH Perkotaan

a) Cropping data LSA Cropping data LSA dilakukan untuk wilayah kota Indramayu dan hasilnya

seperti pada Gambar 2-3 berikut,

Gambar 2-3Hasil Cropping Data Citra Multispektral LSA pada daerah

penelitian Kota Indramayu.

b) Segmentasi citra Segmentasi atau pemisahan citra dilakukan untuk memperoleh hasil

pemisahan terbaik terhadap obyek-obyek yang ada pada citra.Penelitian yang dilakukan Nurwita dan Dony (2015) dilakukan pada citra yang merekam area perdesaan, dimana salah satu penutup lahannya meliputi persawahan dan diperoleh parameter skala tertentu untuk hasil segmentasi terbaik.Pada penelitian ini dipergunakan algoritma yang sama yakni multiresolution segmentation yang menggabungkan piksel dengan kriteria yang sama, dengan parameter skala yang dipakai yaitu 100.Algoritma yang dipakai dalam proses ini yaitu K-Means(Widodo et al., 2011),yang menggabungkan piksel dengan kriteria sama dan dilakukan pengaturan parameter skala untuk memperoleh hasil segmentasi paling baik. Selanjutnya proses refinement menggunakan algoritma spectral difference segmentation untuk menggabungkan obyek dengan nilai spektral sama. Nilai perbedaan spektral maksimum ditentukan dengan nilai keabuan, jika nilainya di bawah nilai maksimum ini maka obyek bertetangga akan digabungkan (Anonim, 2011).

c) Klasifikasi Klasifikasi spasial berbasis obyek dilakukan untuk membedakan area dengan

tutupan lahan vegetasi RTH dengan non vegetasi di wilayah perkotaan pada data

87

citra hasil cropping dengan menggunakan metode yang sama dengan penelitian sebelumnya (Nurwita dan Dony, 2015). Dimana training data untuk klasifikasi diperoleh berdasarkan interpretasi visual citra asli pada data hasil segmentasi (Gambar 2-4).

Gambar 2-4Training data untuk Klasifikasi

d) Analisis kualitas kehijauan RTH Analisis kualitas kehijauan RTH dilakukan dengan cara overlay data hasil

klasifikasi pada kelas lahan RTH dengan data indek kehijauan vegetasi dari NDVI, dimana NDVI diperoleh bedasarkan data band merah dan band inframerah data multispektral LSA. Selanjutnya untuk memudahkan analisis dilakukan clustering terhadap data indek kehijauan pada area RTH menjadi 5 kelas, yakni kelas indek kehijauan tinggi, sedang, rendah, lahan terbuka non vegetasi dan kelas lainnya.

3. HASIL DAN PEMBAHASAN

Segmentasi dilakukan pada data foto LSA dengan algoritma mutiresolution segmentation. Waktu yang dibutuhkan untuk melakukan proses ini yaitu 1 menit. Setelah dilakukan proses segmentasi kemudian dilakukan optimalisasi hasil segmentasi dengan algoritma spectral difference segmentation untuk menggabungkan obyek sejenis yang masih terpisahkan. Sesudah optimalisasi, segmen yang dihasilkan sebanyak 1.050 obyek dan obyek sejenis yang tadinya terpisah sudah tergabung.Citra hasil proses segmentasi ini seperti pada Gambar 3-1.

88

Gambar 3-1 Hasil Segmentasi Data LSA

Hasil klasifikasi berbasis objek untuk mendapatkan 2 kelas penutup

penggunaan lahan seperti pada Gambar 3-2, dimana kelas vegetasi yang berwarna hijau dan non vegetasi (bangunan, jalan, tubuh air, infrastruktur lainnya) yaitu warna magenta.Dimana untuk analisis kualitas vegetasi RTH kelas non vegetasi dihilangkan.Area yang termasuk dalam kelas vegetasi kemudian ditransformasi ke nilai NDVI untuk mengetahui pola spasial indeks kehijauan pada RTH di daerah penelitian.Hasil transformasi dibuat dengan gradasi warna hijau seperti terlihat pada Gambar 3-3, yang menunjukkan NDVI yang semakin tinggi dengan warna semakin terang pada gambar.Nilai NDVI wilayah yang ada pada kajian ini bervariasi mulai nilai terendah -0,849 hingga nilai tertinggi 1.

Gambar 3-2 Hasil Klasifikasi Vegetasi RTH dan Non Vegetasi

89

-0.849 1

Gambar 3-3Nilai NDVI RTH wilayah Kota Indramayu, Jawa Barat

Gambar 3-4 Kelas Vegetasi Berdasarkan Indeks Kehijauan

Hasil klasifikasi kelas vegetasi pada RTH di Kota Indramayu adalah seperti Gambar 3-4.Secara umum area dengan kelas indek kehijauan rendah nampak tersebar pada tumbuh-tumbuhan tinggi atau pohon dan persawahan yang sedang menghijau atau fase vegetatif maksimum, sedang kelas dengan kualitas kehijauan sedang terjadi pada area rumput seperti di lapangan dan GOR.Sedang kelas vegetasi dengan indek ke rendah terdapat seperti di persawahan yang baru tanam.

Gambar 3-5 Cuplikan wilayah sekitar GOR untuk data asli LSA, NDVI, dan Kelas

Indeks Kehijauan Vegetasi

Pada cuplikan wilayah pada Gambar 3-5 dapat dilihat bagaimana kualitas indek kehijauan RTH pada area GOR dan sekitarnya, dimana nampak vegetasi dengan kelas indek kehijauan tinggi dilihat pada citra aslit terjadi pada tanaman besar atau tanaman naungan dan semak serta rumput yang hijau di halaman luar GOR, sedang pada lahan terbuka pada lapangan bola terdiri dari rumput tipis dengan kelas indek kehijauan sedang, kelas indek vegetasi rendah nampak pada

90

taman disekitar GOR dan kelas lahan terbuka non vegetasi nampak terdapat pada jalur pacu atletik dan sebagian bungunan.

Metode pengukuran akurasi dilakukan dengan survey langsung ke lapangan untuk mengamati obyek yang ada di lapangan. Uji dilakukan dengan membuat beberapa titik lokasi sampel yang diidentifikasi sebagai vegetasi pada data foto. Area vegetasi yang telah dikelaskan menjadi beberapa kelas kehijauan kemudian dicek ke lapangan terkait kondisinya. Selanjutnya hasil survey lapangan dihitung persentase akurasinya secara sederhana dengan membandingkan hasil interpretasi yang benar dengan interpretasi yang salah. Ada 10 obyek yang diamati dan dicek secara visual pada citra apakah termasuk vegetasi atau non vegetasi dan secara spesifik obyek ini dikategorikan sebagai obyek jalan/ non vegetasi, tanaman naungan 1, tanaman naungan 2, rumput, permukiman, halaman GOR, rumput tebal, jalur atletik beton, tanaman taman, dan lapangan non rumput. Hasil survey, mayoritas hasil interpretasi visual benar, namun ada beberapa yang kurang tepat seperti rumput tebal pada interpretasi visual ternyata di lapangan hanyalah rumput tipis, tanaman taman yang ternyata adalah tanaman naungan. Mengingat hasil cek yang tidak terlalu berbeda pada dua obyek yaitu rumput tebal dan tanaman taman, maka bobot tidak nol melainkan 0,5, sementara bobot benar adalah 1 dan bobot salah adalah 0. Dengan demikian, total nilai adalah 9 dan akurasi yang diperoleh yaitu 90%.

4. KESIMPULAN Melalui kajian awal ini dapat disimpulkan bahwa data kamera multispektral

Lapan Surveillance Aircraft berpotensi untuk pemantauan kondisi ruang terbuka hijau perkotaan.

Metode klasifikasi penutup penggunaan lahan berbasis objek dan analisis berdasarkan indeks vegetasi yang diuji coba pada penelitian ini dapat dipergunakan untuk mendeteksi kualitas kehijauan ruang terbuka hijau.

Disarankan penelitian lebih lanjut untuk melakukan kajian pengaruh radiometrik data terkait perbedaan iluminasi sinar matahari mengingat waktu akuisisi data yang memerlukan waktu yang lama, dan analisis lebih lanjut terkait kerapatan dan jenis tanaman pada lahan terbuka hijau perkotaan menggunakan data multispektral LSA.

5. UCAPAN TERIMA KASIH Diucapkan terima kasih kepada Kepala Pusat Teknologi Penerbangan LAPAN

atas kesempatan menggunakan data foto LSA dalam penelitian ini dan kepada Kepala Pusat Pemanfaatan Penginderaan Jauh LAPAN atas arahan yang diberikan

91

6. DAFTAR PUSTAKA

Ahmad, F., H. S. Arifin, E. N. Dahlan, S. Effendy, R. Kurniawan. 2012. Analisis Hubungan Ruang Terbuka Hijau (RTH) dan Perubahan Suhu di Kota Palu. Jurnal Hutan Tropis Vol. 13 No. 2 September 2012

Arnanto, A. 2013.Pemanfaatan Transformasi Normalized Difference Vegetation Index (NDVI) Citra Landsat TM Untuk Zonasi Vegetasi di Lereng Merapi Bagian Selatan.Jurnal Geomedia Volume 11 Nomor 2 November 2013

Anonim, 2011.eCognition Developer Reference Book 8.7, Trimble Documentation, München, Germany.

Dony K., A. Anas, A. Maryanto, A. A. Utama, Winanto. 2014. Pemanfaatan Data LSA (LAPAN Surveillance Aircraft) Untuk Mendukung Pemetaan Skala Rinci. Prosiding Seminar Nasional Penginderaan Jauh 2014, Bogor

Dwiyanto, A. 2009.Kuantitas dan Kualitas Ruang Terbuka Hijau di Permukiman Perkotaan.Jurnal Teknik Vol. 30 No. 2 Tahun 2009

Effendy, S. 2007. Keterkaitan Ruang Terbuka Hijau dengan Urban Heat Island Wilayah Jabotabek.Disertasi Doktor Sekolah Pascasarjana Institut Pertanian Bogor

Febrianti, N., P. Sofan. 2014. Ruang Terbuka Hijau di DKI Jakarta Berdasarkan Analisis Spasial dan Spektral Data Landsat 8. Prosiding Seminar Nasional Penginderaan Jauh 2014, Bogor

Jati, A., Hepi H. H., Udiana, W. D. 2013. Aplikasi Penginderaan Jauh untuk Monitoring Perubahan Ruang Terbuka Hijau.Jurnal Teknik POMITS Vol. X No. X, Maret 2013

Khotdee, M., Wichitra S., Nopadon S. 2011. Effects of Green Open Space on Social Health and Behaviour of Urban Residents: A Case Study of Communities in Bangkok. ASEAN Conference on Environment-Behaviour Studies, Savoy Homann Bidakara Bandung Hotel, Bandung, Indonesia, 15-17 June 2011

Kusminingrum, N. 2008.Potensi Tanaman dalam Menyerap CO2 dan CO Untuk Mengurangi Dampak Pemanasan Global.Jurnal Permukiman Vol. 3 No. 2 Juli 2008

Putra, E. H., 2012. Analisis Kebutuhan Ruang Terbuka Hijau Berdasarkan Pendekatan Kebutuhan Oksigen Menggunakan Citra Satelit EO-1 ALI (Earth Observer-1 Advanced Land Imager) di Kota Manado.Info BPK Manado Volume 2 No. 1, Juni 2012

Putri, D. G., B. Soemardiono, R. Suprihardjo. 2010. Konsep Penataan Ruang Terbuka Hijau di Pusat Kota Ponorogo.Tesis Magister Fakultas Teknik Sipil dan Perencanaan Institut Teknologi Sepuluh November Surabaya

Sari, N. M., Dony K. 2014.Klasifikasi Penutup Lahan Berbasis Obyek pada Data Foto UAV untuk Mendukung Penyediaan Informasi Penginderaan Jauh Skala Rinci.Jurnal Penginderaan Jauh dan Pengolahan Data Citra Digital Vol. 11 No. 2 Desember 2014 Pp 114-127

Sari, N. M., Dony K. 2015.Object Segmentation on UAV Photo Data to Support the Provision of Rural Area Spatial Information. Jurnal Forum Geografi Vol. 29 (1) July 2015 Pp 49-59

92


Identifikasi dan Interpretasi Visual Citra Kamera Digital Multispektral untuk Objek Wilayah Pesisir

Samsul Arifin1, Anwar Anas1, Nurwita Mustika Sari1, Dony Kushardono1

1) Pusat Pemanfaatan PenginderaanJauh – LAPAN [email protected]

ABTRAK- Tujuan penelitian ini adalah untuk mengetahui kemampuan atau potensi kamera multispectral untuk pemanfaatan identifikasi dan interpretasi objek wilayah pesisir secara visual. Citra kamera multispectral merupakan citra yang diperoleh dari dengan wahana pesawat berawak (LSA). Kamera multispectral terdiri dari 3 band spektral, yaitu Red, Green dan NIR Untuk menghasilkan kombinasi RGB digunakan metode Bayern RGB filter array. Metode yang digunakan untuk identifikasi dan interpretasi objek adalah metode visual berdasarkan kunci-kunci interpretasi objek. Berdasarkan kunci-kunci interpretasi, identifikasi citra kamera multispectral dapat memberikan informasi spectral atau spasial perbedaan setiap objek pada wilayah pesisir sangat jelas. Kata Kunci :Identifikasi, Interpretasi, KameraMultispektral. Pesisir ABSTRACK - The purpose ofthis study was to determine the ability or potential to use a camera multispectral object identification and interpretation of coastal areas visually. Multispectral camera imageis an image obtained from the Surveillance aricraft (LSA). Multispectral camera consists of three spectral bands, namely Red, Green and NIR. To produce a combination of RGB used methods Bayern RGB filter array .The method used for the identification and interpretation of visual object is a method based on object keys of interpretation. Based on the interpretation keys, identification multispectral camera images can provide information spectral or spatial differences of each object on the coastal area is veryclear. Keywords: Identification, Interpretation, MultispectralCamera. Coast 1. PENDAHULUAN

Indonesia merupakan Negara kepulauan yang terdiri dari sekitar 17.504 pulau dengan panjang garis pantai kurang lebih 81.000 km. Di sepanjang garis pantai ini terdapat wilayah pesisir yang relative sempit tetapi memiliki potensi sumber daya alam hayati dan non-hayati; sumber daya buatan; serta jasa lingkungan yang sangat penting bagi kehidupan masyarakat. Potensi-potensi tersebut perlu dikelola secara terpadu agar dapat dimanfaatkan secara berkelanjutan. Wilayah pesisir secara ekologis merupakan daerah pertemuan antara ekosistem darat dan laut. Kearah darat meliputi bagian tanah, baik yang kering maupun yang terendam air laut, dan masih dipengaruhi oleh sifat-sifat fisik laut seperti pasang surut, ombak dan gelombang serta perembesan air laut. Ke arah laut mencakup bagian perairan laut yang dipengaruhi oleh proses alami yang terjadi di darat seperti sedimentasi dan aliran air tawar dari sungai maupun yang disebabkan oleh kegiatan manusia

mailto:[email protected]

93

didarat seperti penggundulan hutan, pembuangan limbah, perluasan permukiman serta intensifikasi pertanian.

Kamera digital multispectral merupakan teknologi yang diharapkan mampu merekam objek /sasaran dari ketinggian rendah dengan wahana pesawat LSA (LAPAN Surveillance Aircraft) Lapan sebagai pelengkap dari citra satelit yang tertutup awan dan sebagai data alternative untuk memenuhi kebutuhan darurat. Kamera ini pada dasarnya digunakan untuk vegetasi, akan tetapi pada penelitian ini dicoba untuk keperluan wilayah pesisir. Dengan memanfaatkan dan mengotimalkan band-band yang ada pada kamera multispectral penelitian ini bertujuan untuk mengkaji dan menganalisis kemampuan kamera multispectral dalam memberikan informasi untuk mengidentifikasi dan menginterpretasi wilayah pesisir. Penelitian ini merupakan lanjutan dari penelitian pemanfaatan data LSA untuk mendukung pementaan skala rinci) oleh tim Pusftaja –Lapan pada tahun 2014, sebagai respon saran peneliti sebelumnya dengan menggunakan data LSA untuk wilayah pesisir.

2. METODE 2.1 Data

Data yang digunakan adalah citra kamera multispectral yang dihasilkan dari sensor tuggal kamera digital. Data diakusisi tahun 2014 pada lokasi Indramayu, Jawa Barat dengan wahana pesawat LSA. Citra multispectral terdiri dari 3 band yaitu Red, Green dan Near Infra Red.

Gambar 1. Citra kamera multispektral 2.2 Metode

Teknik kombinasi digunakan untuk membuat citra RGByang mudah dikenali secara visual objek pada citra memiliki kemiripan warna objek alami. Dalam karya ilmiah dibuat berbagai kombinasi banda -band pada citra kamera digital multispektral, selanjutnya dipilih kombinasi RGB yang memiliki Natural Colour / True Colour.Pengkontrasan yang digunanakanadalah teknik kombinasi teknis histogram pada masing-masing filter warna. Metode analisis identifkasi dan interpretasi objek wilayah pesisir menggunakan analisis visual dengan mengoptimalkan teknik kombinasi RGB, pengkontrasan dan kunci-kunci interpretasi.

3. HASIL PEMBAHASAN

3.1 Analisis Data

94

Kamera yang digunakan adalah kamera digital dengan single sensor yang di

desain untuk memotret reflektansi kanopi dari vegetasi karena dapat membaca

cahaya tampak pada panjang gelombang 520 nm dan near-infrared dengan

panajang gelombang 920nm. Gambar dibawah menunjukkan respon dari sensor

terhadap masing-masing band (merah ,hijau dan biru). Filter pada band biru

digunakan untuk mengukur nilai dari NIR (Blue Curve) sedangkan sensitifitas

Hijau, Merah dan NIR setara dengan TM2, TM3 dan TM4 pada landsat.

Gambar2.Respon spectral pada kamera multispectral

Keluaran dari kamera ini berupa data dengan format RAW10 bit. Teknik bayer

pattern digunakan untuk ekstraksi data raw menjadi R/G/NIR. Mosaik filter bayer

merupakan color filter array (CFA) untuk menyusun RGB pada sensor foto.

Gambar3. Bayer pattern

Untuk mengkonversi image dari format ini ke RGB kita lakukan interpolasi dari dua nilai warna pada masing-masing pixel. Algoritma Freeman (Median-based interpolation) merupakan metode yang terbaik digunakan pada image yang bercak sedangk analgoritma Larosche-Prescott’s (Gradient based interpolation) dan Algortima Hamilton-Adam (Adaptive color plane interpolation) merupakan metode yang cocok digunakan pada image yang memiliki sisi/tepi yang tajam

Median-based interpolation Metode ini terdapat dua step yaitu interpolasi linier dan median filter pada

warna yang berbeda. Interpolasi linier digunakan untuk mengisi setiap photosite

95

dengan tiga warna sedangkan median filter adalah merah tanpa hijau dan biru tanpa hijau. Image yang dihasilkan dari median filter digunakan bersamaan dengan sampel original bayer array untuk merecoveri sampel. Algoritma ini dapat digunakan dengan 3x3 neighborhood

Gradient based interpolationrpolation Metode ini umumnya di gunakan di system kamera digital. Metode ini terdiri

dari 3 step , pertama interpolasi chanel luminance (hijau) kedua dan ketiga interpolasi perbedaan warna (merah tanpa hijau dan biru tanpa hijau). Interpolasi perbedaan warna digunakan untuk merekontruksi chanel chrominance (merah dan biru). Metode ini memiliki keuntungan karena mata manusia lebih sensitive pada perubahan luminance.

Adaptive color plane interpolation Metode ini merupakan modifikasi dari metode gradient based interpolation.

Modifikasi yang dilakukan untuk mengakomodasi derivatives. Untuk data choromaticity (merah dan biru) dihasilkan dari rata-rata aritmatika sedangkan data luminance (hijau) dari derivative yang kedua.

3.2 Optimasi Kombinasi RGB dan Pengkontrasan Citra Kombinasi band yang menghasilkan Warna Natural (True Colour) merupakan

warna yang ideal diharapkan dalam identifikasi dan interpretasi visual, karena dalam kombinasi ini yang terlihat sudah seperti apa yang terlihat oleh mata. Fitur tanah muncul dalam warna yang sama dengan penampilan sistem visual manusia, vegetasi adalah hijau, ladang baru berwarna coklat dan kuning, jalan-jalan abu-abu, dan garis pantai berwarna putih.

Kamera multispektral memiliki 3 band yang terdiri dari band1( Green) , band2 (Red) dan band3 (Near Infra Red).. Beberapa kombinasi RGB dari ke 3 band tersebut , RGB optimal yang sesuai diinginkan yaitu warna natural (True Colour) adalah band2 (Red), band1 (Green) dan band3 (NIR).

Pada filter merah digunakan pengkontrasan histogram linear, filter hijau pengkontrasan histogram autoclip dan filter warna biru digunakan pengkontrasan gausian equalize transform histogram.

3.3 Identifikasi dan Interpretasi

Berdasarkan kombinasi dan pengkontrasan/penajaman citra kamera multispektral, maka objek wilayah pesisir di Indramayu umumnya terdiri dari tambak, vegetasi magrove, sawah dan permukiman. Objek yang dominan mengandung air seperti tambak dan sawah fase air merupakan objek yang sangat menarik diamati dan dikaji dengan menggunakan citra kamera digital multispektral. Pada penelitian ini disajikan beberapa contoh identifikasi dan interpretasi objek untuk di wilayah pesisir Indramayu.

Tambak sebagian besar di wilayah pesisir dapat diidentifikasi berdasarkan data citra kamera multispektral menjadi 3 jenis tambak yaitu tambak ikan, udang dan garam. Ketiga tambak ini memiliki karakteristik spektral yang berbeda jika dilihat dari sudut pandang kunci-kunci interpretasi. Bentuk ketiga tambak berbetuk kotak/persegi, sedangkan ukuran besaran persegi berbeda-beda. Tambak ikan memiliki bentuk persegi dangan ukuran besar, tambak udang berbentuk persegi dengan ukuran sedang, sedangkan tambak garam berbentuk persegi berukuran

96

lebih kecil. Kenampakan tekstur tambak ikan kasar, tambak udang halus dan terdapat bintik putih pada setiap pojok kotak, sedangkan tambak garam agak kasar. Kenampakan tekstur ini dipengaruhi adanya objek vegetasi pada tambak ikan, adannya kincir angin pada tambak udang dan air tanah pada tambak garam. Dari segi warna tambak dapat diidentifikasi dan diinterpretasi bahwa tambak ikan berwana biru sampai biru asin atau cyan, tambak udang biru sampai hitam dan tambak garam berwana abu-abu sampai putih. Kenampakan perbedaan warna ketiga tambak ini kemungkinan disebabkan oleh kadar garam air atau kedalaman air. Dari segi asosiasi tambak ikan terdapat vegetasi mangrove, tambak udang terdapat teknologi kincir angin dan tambak garam terdapat lahan penampungan garam dan infrastruktur jalan. Analisis di atas didasarkan kemampuan kamera multispektral yang memiliki resolusi spektral dan resolusi spasial yang tinggi.

Tambak Ikan Tambak Udang Tambak Garam

Gambar4 : Identifikasi dan interpretasi tambak

Vegetasi di wilayah pesisir pada penelitian ini yang cukup luas hanya terdapat

vegetasi magrove, tegalan dan sawah. Dengan menggunakan citra kamera multispektral magrove terdapat di wilayah pesisir dengan bentuk tak beraturan, tektur kasar, benrtuk ada yang luas dan sempit memamjang dengan warna hijau sampai kuningberasosiasi dengan pantai. Sawah dilihat dari citra kamera multispektral memiliki bentuk kotak / persegi dengan tektur halus, ukuran sedang sampai besar, berasosiasi dengan permukiman dan sawah berwarana hitam-biru untuk sawah fase air, berwana hijau untuk sawah bervegetasi dan sawah berwarna cyan sampai putih dengan tektur kasar terdapat bintik-bintik hitam atau putih menunjukkan sawah fase bera.

Vegetasi ladang/tegalan berdasarkan citra kamera multispektral dapat diidentifikasi dan diinterpretasi berbentuk kotak/persegi, ukuran kecil dengan tekstur alus

97

Vegetasi Mangove Vegetasi Sawah Vegetasi Ladang/Tegalan

Gambar5: Objekvegetasi di wilayah pesisir

Sawah Fase Air Sawah Fase Vegetasi Sawah Fase Bera Gambar 6 : Kenampakan fase sawah pada citra kamera multispektral

Berdasarkan hasil identifikasi dan interpretasi citra kamera multispektral

permukiman di wilayah pesisir tidak jauh berbeda dengan pemukiman di wilayah daratan. Perbedaan antara permukiman kota dengan permukiman desa terletak pada ukuran atau luasan wilayah yang terbangun. Tekstur, rona, asosiasi antara kota dan desa tidak jauh berbeda. Permukiman pada citra kamera terlihat berwarna merah-magenta-putih dan memiliki tekstur kasar, terlihat jaringan jalan dan berasosiai dengan persawahan dan vegetasi tegalan/ladang.

98

Permukiman Kota Kecamatan

Pemukiman Desa Kampung

Gambar 7 : Kenampakan permukiman pada citra kamera multispektral

Selain objek-objek umum di atas, citra kamera multispektral dapat digunakan untuk identifikasi dan interpretasi objek khusus yang lebih detil. Objek khusus yang dimaksud seperti pelabuhan, gudang, pabrik, gedung perkantoran dan pertokoan, fasilitas umumserta jaringan jalan dan sungai.

Contoh-contoh objek tersebut dapat dilihat pada gambar di bawah ini.

Gedung perkantoran Gedung Sarana Olah Raga Pasar dan pertokoan

Perumahan Teratur/Kavling Penampungan Hasil Panen Jaringan Jalan dan Sungai

4. KESIMPULAN

Citra kamera multispektral terdiri dari 3 band yaitu Band 1 (Green), Band 2 (Red) dan Band 3 ( Infra Merah Dekat).Band-band tersebut setara dengan band TM2, band TM23dan band TM4. Kombinasi RGB yang optimal untuk visualiasi objek pada penelitian ini kombinasi RGB band2 (Red), band1 (Green) dan band3

99

(NIR) dengan pengkontrasan merah menggunakan histogram linear, hijau menggunakan histogram autoclip dan biru menggunakan gausian equalize.

Citra kamera multispektral yang memiliki kemampuan resolusi spasial yang tinggi dan resolusi / multispektal dapat digunakan untuk mengidentifikasi dan menginterpretasi objek di wilayah pesisir dengan metode visual berdasarkan kunci-kunci interpretasi. Identifikasi dan interpretasi objek dapat dilihat pada citra dengan mempertimbangkan perbedaan bentuk, ukuran, tekstur, warna dan asosiasi objek dengan objek lainnya secara detil.

5. UCAPAN TERIMA KASIH Terimakasih kami ucapkan pada berbagai pihak yang telah banyak membantu

baik material maupun spirituil sehingga penelitian dan tulisan ini dapat terselesaikan. Secara umum ucapat terimakasih kami ucapkan pada pihak Lapan baik pejabat struktural maupun pejabat fungsional. Harapan selanjutnya mohon saran dan masukan agar karya ilmiah ini lebih baik dan lebih sempurna.

100

6. DAFTAR PUSTAKA Agricultural Digital Camera User’s Guidewww.tetracam.com Ahmad, M, Nugroho,W, 2012, “Kajian Pengembangan Kamera untuk Pesawat

Terbang”, Laporan Kegiatan, Pustekdata-Lapan, Jakarta Arthur R Weeks Jr, 1996, “Fundamentals of Electronic Image Processing”, SPIE

Digital Labrary B. E. Bayer, “Color Imaging Array,” U.S Patent No. 3,971,065 (1976). Kushardono, D, et all, 2014, “Pemanfaatan Data LSA (LAPAN Surveillance

Aircraft) untuk Mendukung Pemetaan Sklala Rinci”, Prosiding PIT MAPIN, Bogor.

Lillesand, T.M., and Keifer, R.W. 1979. Remote Sensing and Image Interpretation.Third Edition. John Willey & Sons, Inc: New York.

Lillesand, T.M., and Keifer, R.W. 1990. Penginderaan Jauh dan Interpretasi Citra.Terjemahan dari: Remote Sensing and Image Interpretation oleh Dulbahri et al. Gadjah Mada University Press: Yogyakarta.

Laurent Condat” Color filter array design using random patterns with blue noise chromatic spectra “Image and Vision Computing 28 (2010) 1196–1202

Mohammad Aghagolzadeh, Albolreza Abdolhosseini Moghadam, Mrityunjay Kumar, HaderRadha “Bayer and panchromatic color filter array demosaicing by sparse Recovery” Michigan State University.

Purwadhi, S. H. 2007. Penginderaan Jauh dan Aplikasinya. Bahan Bimtek Penginderaan Jauh. Pusat Data Penginderaan Jauh, LAPAN: Jakarta.

Purwadhi, S. H., dan Sanjoto, B. T. 2008. Pengantar Intepretasi Citra Penginderaan jauh.LAPAN-UNES: Jakarta.

Rajeev Ramanath, Wesley E. Synder, Griff L. Bilbro and William A. Sander III “Demosaicking method for Bayer color array” Journal of Electronic Imaging 11(3), 306-315 (July 2002)

Yuang, et al, 2002, “Image enhancement based on equal area dualistic sub-image histogram equalization method”IEEE Consumer Electronics Society,

http://www.tetracam.com/

http://www.ewh.ieee.org/soc/ces/index.html

PUSAT PEMANFAATAN PENGINDERAAN JAUH - 2015

PUSAT PEMANFAATAN PENGINDERAAN JAUH LAPANpusfatja.lapan.go.id/files_uploads_ebook/publikasi/Buku...

Documents

Transcript of PUSAT PEMANFAATAN PENGINDERAAN JAUH LAPANpusfatja.lapan.go.id/files_uploads_ebook/publikasi/Buku...