|
BAB 2
LANDASAN TEORI
2.1
Pengertian Segmentasi
Dalam
computer
vision,
segmentasi merukuk
pada
proses
partisi
gambar
digital
menjadi
beberapa bagian
atau
kita
kenal
sebagai
superpixels.
Tujuan
segmentasi
adalah
untuk
memudahkan atau
mengganti
sebuah
gambar
menjadi
lebih berarti dan mudah dianalisa.
Image segmentation adalah proses pemberian label untuk setiap pixel dalam
gambar dengan pixel yang
memilik label sama
memiliki karakterisik yang
sama.
Ada banyak
sekali
metode-metode segmentasi ini,
contohnya
ialah thresholding,
clustering,
compression-based, histogram-based,
edge
detection,
partial
differential
equation-based,
graph
partitioning,
watershed
transformation,
model
based segmentation, multi-scale segmentation, semi-automatic segmentation, split-
and-merge, neural networks segmentation dan region growing. Untuk kedepannya,
kami akan membahas tentang algoritma Region Growing dengan lebih jelas.
2.2
Pengertian Citra
Citra atau image
(Kulkarni,
2001) adalah
representasi spasial
dari
suatu
objek
yang sebenarnya
dalam
bidang
dua dimensi
yang biasanya ditulis
dalam koordinat cartesian x-y, dan setiap koordinat merepresentasikan satu
sinyal
terkecil
dari
objek.
Fungsi
citra
adalah
model
matematika yang
sering
digunakan
untuk
menganalisis
dimana
semua fungsi analisis
digunakan
untuk
7
|
|
8
mempertimbangkan citra sebagai fungsi dengan 2 variabel.
Citra
merupakan gambaran
yang
terekam
oleh
kamera
atau
oleh
sensor.
Simonett and Joseph, 1983 mengutarakan pengertian tentang citra yaitu:
a)
Gambaran obyek
yang
dibuahkan oleh
pantulan
atau pembiasan
sinar
yang
difokuskan oleh sebuah lensa atau sebuah cermin.
b)
Gambaran rekaman suatu obyek (biasanya berupa gambaran pada
foto) yang
dibuat dengan cara optik, elektro-optik, optik
mekanik atau elektronik. Pada
umumnya
gambar digunakan bila
radiasi
elektromagnetik yang
dipancarkan
atau dipantulkan dari suatu obyek tidak langsung direkam pada film.
Sedangkan
penginderaan jauh
ialah
ilmu
dan
seni
untuk
memperoleh
informasi tentang obyek, daerah, atau gejala dengan jalan
menganalisis data yang
diperoleh dengan menggunakan alat tanpa kontak langsung terhadap obyek,
daerah, atau gejala yang dikaji (Lillesand and Kiefer, 2004).
Alat yang dimaksud di dalam batasan ini
ialah alat pengindera atau sensor.
Pada
umumnya sensor
dipasang
pada
wahana
(platform)
yang
berupa
pesawat
terbang,
satelit.
pesawat
ulang-alik, atau
wahana
lainnya. Obyek
yang
diindera
atau yang ingin diketahui berupa obyek di permukaan bumi, di dirgantara, atau di
antariksa.
Penginderaannya dilakukan
dari
jarak
jauh
sehingga
ia
disebut
penginderaan jauh.
Penginderaan jauh
juga
merupakan
berbagai
teknik
yang
dikembangkan
untuk perolehan dan analisis
informasi
tentang
bumi.
Informasi
tersebut khusus
berbentuk
radiasi
elektromagnetik yang
dipantulkan
atau
dipancarkan
dari
permukaan bumi (Lindgren, 1985).
|
 9
i
u
a
a
a (Contrast)
e citra untuk kecerahan (brightness)
k
2.2.1
Elemen Citra
Menurut Burger et al ( 2008), elemen citra adalah sebagai berikut :
a. Kecerahan (Brightness)
Kecerahan pada
citra ialah
intensitas
cahaya yang terdapat
pada
citra
tersebut.
Semakin tinggi intensitas
cahaya
pada
citra,
maka
citra akan semakin tampak putih.
Gambar
2.1 Elemen citra untuk kecerahan (brightness)
b.
Kontras (Contrast)
Kontras ialah sebaran
terang dan gelap dalam
sebuah citra. Sebuah
citra dikatakan
memiliki kontras
yang
rendah jika citra
tersebut
memiliki komposisi sebagian besar terang atau sebagian besar gelap.
Dan sebaliknya, jika komposisi sebagai kecil terang atau gelap maka
citra dikatakan memiliki kontras yang tinggi.
Gambar 2.2
Elemen citra untuk kontras (contrast)
|
 10
k
u
c. Warna (Color)
Persepsi
yang dirasakan
mata
terhadap panjang gelombang cahaya ?
yang
dipantulkan
objek.
Warna
dengan
panjang
gelombang
tertinggi
adalah
merah dan warna dengan panjang gelombang
terendah ialah ungu (violet).
Gambar 2.3 Elemen citra untuk warna (color)
d.
Bentuk (Shape)
Pada
citra
yang
dilihat
dengan
mata
adalah
citra
2D,
namun
sebenarnya objeknya
berupa
3D.
Informasi
bentuk
objek diperoleh
dari
citra
yang ditangkap
sistem
visual atau yang disebut
dengan
segmentasi citra.
e. Tekst r (Texture)
Distribusi
spasial
dari derajat keabuan
didalam sekumpulan
piksel
yang bertetangga.
Sistem
visual
manusia
tidak
menerima
informasi
per
piksel,
namun
yang diterima adalah sekumpulan
piksel sebagai
satuan.
|
 11
u
i
Gambar 2.4
Elemen citra untuk tekstur
f.
Resolusi
(Resolution)
Resolusi menunjukkan
tingkat kerincian suatu
citra dan
dapat
menyatakan banyak piksel per satuan panjang, contoh: 120 x 100 m
(Semakin kecil
ukuran,
semakin tinggi resolusi)
atau piksel per
inci, contoh : 72dpi (Semakin besar dpi, resolusi juga semakin tinggi).
2.2.2
Format Citra
Menurut
Shapiro
et
al,
2001, beberapa
format
berasal
dari
perusahaan–perusahaan
yang membuat perlengkapan
pengolahan
citra
atau
grafik;
perangkat
lunak
dokumentasi
umum
dan konversi
tersedia.
Rincian
informasi
yang diberikan
selanjutnya
seharusnya
memberikan
bacaan
praktis
untuk
mengatasi
citra
komputer.
Walaupun
berubah-
ubah sesuai dengan
teknologi,
ada
beberapa
konsep
umum
yang
harus dikuasai.
a. GIF (Graphics Interchange Format)
Format
file GIF
ini
dirilis tahun 1987,
digunakan
untuk
|
|
12
menyimpan dan
mentransfer
gambar
dalam
mode
indeks
warna
(tidak lebih dari 256). Pada tahun 1989
format telah diupdate. Nama
versi baru terlihat seperti gif89. Ini mendukung saluran tambahan
untuk
melakukan
efek
transparansi
dan
untuk
mengadakan satu
set
gambar
dalam
sebuah
file
tunggal
di
mana
kerangka menunjukkan
waktu dan animasi yang ditampilkan.
Saat
ini
format GIF ini adalah salah satu
format
grafis paling
populer. Meskipun tidak cocok untuk
memegang gambar fotorealistik,
karena tidak dapat berisi
lebih dari 256 warna. Hal ini sebagian besar
digunakan untuk menampilkan animasi dan gambar-gambar
tanpa campuran.
Format
file gif
ini telah
mendapat serangkaian fitur algoritma
kompresi
yang
memungkinkan
mengkompresi gambar dengan
warna
horizontal yang berurutan. Itu berarti bahwa
file,
yang berisi bar
horizontal, akan
mengambil
tempat
lebih
sedikit
daripada
file
yang
sama dengan bar vertikal.
b. TIFF (Tagged Image File Format)
Format
ini
dirilis
pada
tahun
1986
dan
umumnya digunakan untuk
menahan
putih
dan
hitam
dari
scan
gambar
(Tiff
3.0). Dirilis
pada
tahun
1987,
Tiff
4.0
mempunyai kemampuan untuk
warna
gambar
RGB. Format Tiff saat ini (Tiff 6.0) adalah format file yang kaya dan
fleksibel, didukung oleh banyak program. Format ini mampu merekam
|
|
13
gambar
halftone
dengan
berbagai intensitas
pixel. Jadi,
itu
dianggap
menjadi
format
yang
sempurna
untuk
data
grafis
penyimpanan
dan
pengolahan.
c. JPEG (Joint Photographic Experts Group)
Format
Jpeg
dirancang
untuk
mentransfer data
grafis
dan
gambar
melalui
jaringan
telekomunikasi digital dan
umumnya
digunakan
untuk menyimpan dan mentransfer penuh warna
fotorealistik
gambar. Sebelum
Jpeg,
ada
format sangat
sedikit,
yang
mendukung 24 bit gambar. TIFF dan BMP format yang diizinkan
memegang 24 bit data, tetapi mereka gagal untuk melakukan kompresi
lossless data,
yang
berisi
ribu
warna dari dunia
nyata,
pada
tingkat
kualitas tinggi.
Algoritma kompresi
adalah
data
yang dihapus
untuk
dealokasi
(memungkinkan
untuk
menaikkan
derajat
kompresi). Data
dipegang sebagai
blok pixel dalam
warna
tertentu
dengan
informasi
intensitas yang disimpan
(masalah
ini adalah
bahwa
mata manusia
lebih
baik
dari
perubahan
warna).Foto
dan
multi-warna gambar,
ditransfer dalam format
ini, yang
ideal
untuk jaringan telekomunikasi
digital.
Hal
ini
tidak
mungkin
untuk
memperbaiki gambar
Jpeg,
meskipun
mungkin
untuk merendahkan kualitas gambar
mereka dengan mengurangi ukuran file.
|
|
14
d. Bitmap
Bitmap adalah format Windows
Home, yang digunakan secara praktis
untuk semua
kemungkinan penyimpanan data
raster. Semua
versi
BMP dirancang untuk komputer dengan prosesor Intel. Arus versi
format
adalah
perangkat independable
(berarti
Bitmap
yang
menentukan warna
piksel
tanpa
referensi
ke
layar
perangkat)
dan
memungkinkan untuk merekam gambar dari tingkat kualitas yang
berbeda (ke
titik
32 bit). Setelah direvisi, format
ini digunakan
untuk
menahan
warna dan
gambar
hitam dan
putih,
sehingga
menjadi umum. Keuntungan
utama dari format dianggap
kegunaan
dan dukungan perangkat lunak yang luas.
e. PNG (Portable Network Graphic)
Format file
png
adalah
format
progresif relatif
baru
yang
awalnya
dirancang
untuk
menggantikan
Gif. Format png
telah
mendapat satu
set
fitur
baru
yang
tidak
ada di
Gif.
Format
ini
menangani
tingkat
transparansi 256
(yang
berarti
bahwa
gambar
mungkin
transparan
sebagian). Faktanya,
bahwa
format
ini
mendukung
kedalaman
warna
hingga 48 bit dan melakukan kompresi lossless,
memungkinkan untuk
mengadakan gambar fotorealistik.
|
 15
2.3
Pengertian Segmentasi Citra
Segmentasi citra adalah suatu proses
membagi suatu citra
menjadi wilayah-
wilayah yang homogen (Jain, 1989). Menurut Jain (1989), segmentasi citra dapat
dibagi
dalam beberapa jenis,
yaitu
dividing
image
space
dan
clustering
feature
space.
Jenis
yang
pertama adalah
teknik
segmentasi dengan
membagi
image
manjadi
beberapa bagian
untuk
mengetahui batasannya, sedangkan
teknik
yang
kedua
dilakukan dengan
cara
memberi
index
warna
pada
tiap
piksel
yang
menunjukkan keanggotaan dalam
suatu
segmentasi.
Teknik
segmentasi
citra,
menurut Jain(1989), dapat dilihat pada diagram berikut
Gambar 2.5 Teknik segmentasi citra
Adapun
teknik
segmentasi tersebut
dapat
dilakukan
dengan
beberapa
pendekatan sebagai berikut :
1)
Pendekatan Edge-Based
Pendekatan ini
melakukan
proses
deteksi
sisi
dengan
operator
gradient.
Masukannya berupa citra gray level dan keluarannya berupa citra edge (biner).
Selanjutnya dilakukan proses region growing dengan masukan citra asli (gray-
|
|
16
level)
dan
citra
edge.
Proses
pembentukan suatu
wilayah
akan berhenti bila
menjumpai piksel
edge. Kekurangan dari pendekatan ini
adalah belum tentu
menghasilkan
edge
yang
kontinu,
mengakibatkan terjadinya
kebocoran
wilayah (wilayah-wilayah yang tidak tertutup).
2)
Pendekatan Region-Based
Pendekatan
ini
memerlukan
criteria
of
uniformity,
memerlukan penyebaran
seeds atau dapat juga dengan pendekatan
scan line, kemudian
dilakukan
proses
region
growing.
Kekurangan dari
pendekatan
ini
adalah
belum
tentu
menghasilkan wilayah-wilayah yang bersambungan.
3)
Pendekatan Hybrid
Pendekatan
ini
melakukan
proses
deteksi
sisi
untuk
menhasilkan citra
sisi
(piksel
edge
dan
piksel
non-edge),
melakukan pemisahan wilayah
dengan
metode connected region. (Connected regions adalah set piksel 4-tetangga
yang bukan piksel edge),
dan selanjutnya dilakukan proses
merging regions.
Pendekatan
ini
bertujuan
untuk
mendapatkan
hasil
segmentasi dengan
wilayah-wilayah yang tertutup dan bersambungan.
2.4
Pengertian Multi Resolusi
Di dalam penginderaan jauh ada 4 istilah resolusi yakni:
1)
Resolusi Spasial
Resolusi spasial adalah ukuran terkecil obyek yang dapat direkam oleh suatu
sistem sensor. Dengan kata lain maka resolusi spasial mencerminkan
|
|
17
kerincian
informasi
yang
dapat disajikan
oleh
suatu sistem
sensor. Ada dua
cara menyatakan resolusi spasial, yakni:
a)
Resolusi citra.
Resolusi
Citra
(image resolution) dapat
diartikan
sebagai
kualitas
lensa
yang
dinyatakan
dengan
jumlah
maksimum
garis
pada
tiap
milimeter
yang
masih
dapat dipisahkan
pada
citra. Misal
tiap
garis
tebalnya 0,01
mm. Ruang pemisah antara tiap garis
juga sebesar 0,01 mm. Berarti tiap
garis menempati
ruang selebar 0,02 mm atau pada tiap mm ada 50
garis. Dalam contoh ini berarti resolusi citranya sebesar 50
garis/mm. Secara teoritik maka resolusi citra yang terbaik 1.430 garis/mm.
b)
Resolusi medan.
Resolusi Medan (ground resolution) ialah
ukuran terkecil obyek di
medan
yang
dapat
direkam
pada
data
digital
maupun
pada
citra. Pada
data digital resolusi medan dinyatakan dengan piksel. Semakin kecil
ukuran
terkecil
yang dapat
direkam
oleh suatu
sistem
sensor, berarti
sensor itu semakin baik karena dapat menyajikan data dan informasi yang
semakin rinci.
Resolusi spasial
yang baik dikatakan resolusi
tinggi atau halus, sedang
yang
kurang baik berupa resolusi
kasar atau rendah. Disamping
itu dinyatakan
dengan
ukuran dalam meter
di
lap atau
dalam meter
per
piksel
pada
citra
(Rm/piksel),
resolusi
medan juga dapat dinyatakan
dengan ukuran dalam
meter
di
lap
yang
dapat
digambarkan oleh
sepasang
garis
pada
citra
atau
Rm/Lp (meter per line pairs).
|
|
18
Resolusi Spasial dipengaruhi:
a)
Skala; semakin besar skala semakin baik resolusinya.
b)
Panjang gelombang tenaga elektromagnetik yang digunakan.
2)
Resolusi spectral
Resolusi spektral menunjukkan kerincian ? yang digunakan dalam perekaman
obyek.Contoh
resolusi
spektral
SPOT-XS lebih rinci daripada
SPOT-
P. Keunggulan citra multispektral ialah meningkatkan kemampuan mengenali
obyek karena perbedaan nilai spektralnya sering lebih mudah dilakukan pada
saluran
sempit. Tiga
data
multi
spektral
hitam
putih
dapat
dihasilkan
citra
berwarna. Apabila
data
multispektral
itu
tersedia
dalam
digital
akan
dapat
diolah
dengan
bantuan
komputer.
Kelemahannya ialah
bahwa
resolusi
spasialnya menjadi
lebih
rendah. Artinya antara resolusi spasial
dan
resolusi
spektral terjadi hubungan berkebalikan.
3)
Resolusi Temporal
Resolusi temporal adalah frekuensi perekaman ulang atas daerah
yang
sama. Sebagai contoh resolusi temporal ini:
a)
Landsat generasi 1 : 18 hari
b)
Landsat generasi 2 : 16 hari
c)
SPOT : 26 hari atau 6-7 kali/bulan karena sensor dapat ditengokkan arah
perekamannya
d)
Satca NOAA : 12 jam
|
|
19
4)
Resolusi Radiometrik
Resolusi
radiometrik memiliki
arti
sebagai
kepekaan
sensor
terhadap
perbedaan terkecil
kekuatan
sinyal. Dengan
sensor termal
misalnya,
kalau
sensor
1
mampu
merekam beda suhu
terkecil
0,2
C
dan
sensor
2
mampu
merekam beda suhu terkecil 0,5 C; berarti resolusi radiometrik sensor 1
lebih
baik dari pada sensor 2.
Dari keempat jenis resolusi ini maka resolusi spasial merupakan resolusi yang
terpenting. Kalau orang menyebut resolusi tanpa diikuti keterangan apapun, maka
yang dimaksud adalah resolusi spasial.
Resolusi spasial
berbanding terbalik
dengan
resolusi
spectral
dan
resolusi
temporal
sedangkan
berbanding
lurus
dengan
resolusi
radiometrik. Hubungan
antara
resolusi
spasial dengan resolusi temporal menimbulkan pilihan
yang
tidak
mudah
antara
keduanya. Sulit
untuk
memilih
antara
foto
udara
(rinci)
atau
citra
satelit yang
frekuensi perekaman ulangnya
lebih
sering. Kerincian penting
untuk
studi
kekotaan misalnya
dan resolusi
temporal
yang
tinggi
penting
untuk
memantau perubahan cepat seperti pemekaran kota, pengurangan luas hutan, dsb.
2.5
Resolusi Spasial
Resolusi spasial adalah ukuran terkecil obyek yang dapat direkam oleh suatu
sistem
sensor. Dengan
kata
lain
maka
resolusi
spasial
mencerminkan
kerincian
informasi yang dapat disajikan oleh suatu sistem sensor.
|
|
20
Resolusi
spasial
merupakan luas
suatu
objek
di
bumi
yang
diukur
dalam
satuan piksel pada citra satelit. Apabila suatu objek dilakukan pengambilan
gambar yang mempunyai ukuran luas aslinya 30 m x 30 m ditampilkan pada citra
satelit
dengan
ukuran
1
piksel
maka
citra
satelit
tersebut
mempunyai resolusi
spasial
30
m.
Dengan kata
lain
apabila
citra
mempunyai
resolusi
spasial
30
m,
maka 1 piksel pada citra satelit mewakili luasan aslinya berukuran 30
m
x
30 m.
Jadi semakin kecil ukuran asli suatu objek tersebut dalam 1 piksel pada citra satelit
maka semakin jelas dan detail tampilan objek tersebut pada citra satelit.
Berikut
jenis-jenis
dari
resolusi
spasial
menurut
Satellite
Imaging
Corporation, yaitu :
1)
High spatial resolution
Resolusi
spasial
ini
biasa
disebut
juga
dengan
citra
resolusi
besar,
dengan
jarak 0.6 m sampai dengan 4 m. Dengan jarak demikian, maka hasil citra yang
didapat
akan
lebih
jelas.
Contoh dari
citra
resolusi
besar
ini,
antara
lain
GeoEye,
WorldView-1, WorldView-2,
Aerial
Photograph,
Quickbird,
IKONOS, FORMOSAT-2, ALOS, SPOT-5.
2)
Medium spatial resolution
Resolusi spasial
ini
biasa
dikenal
sebagai
citra
resolusi
sedang,
dimana
jaraknya antara 4
m
sampai dengan 30 m. ASTER, LANDSAT-7, CBERS-2
merupakan contoh dari citra resolusi sedang ini.
|
|
21
3)
Low spatial resolution
Resolusi spasial ini dikenal dengan citra resolusi kecil. Dikatakan citra
resolusi kecil karena resolusinya berjarak 30
m
sampai dengan kurang dari
1000 m, sehingga menghasilkan citra dengan resolusi yang kecil.
2.5.1
QuickBird
Menurut
DigitalGlobe, satelit
quickBird
adalah
satelit
resolusi
tinggi
yang
dimiliki
dan
dioperasikan oleh
DigitalGlobe. QuickBird
mengumpulkan
data
detail
gambar
untuk
0.61
m tingkat
resolusi
piksel.
Dengan
resolusi
setinggi
ini,
sebuah
lokasi permukiman dapat
diidentifikasi per
individu
bangunan,
sebuah
jaringan
jalan
dapat
didentifikasi sebagai
poligon dua sisi,
dan
yang
tidak kalah
pentingnya
adalah pemesanan data sangat mudah dilakukan, tidak serumit pembuatan
foto udara yang mengharuskan adanya security clearance (ijin dari pihak
keamanan), ijin jalur terbang, sewa hanggar, sewa pesawat dll.
Berikut bidang-bidang yang memanfaatkan satelit quickbird :
a)
Pertanian.
Resolusi 61 cm sangat ideal untuk melakukan observasi pada lahan
yang luas, petak tanaman hingga per individu tanaman. Melakukan
identifikasi jenis
tanaman
dan
kondisi
tanah,
potensi
panen,
efektifitas
pengairan, kesuburan
tanaman,
kandungan air.
Secara
urutan waktu, quickbird
dapat digunakan
untuk memantau
pertumbuhan tanaman,
banyaknya
tanah
yang
hilang,
laju
|
|
22
penanaman,
pemilihan tananaman
yang
siap
panen,
tingkat
kerusakan tanaman akibat hama dan penyakit dll.
b)
Pertambangan.
Satelit ini biasa digunakan
untuk memetakan
kondisi penutupan
lahan
pertambangan yang
akan
dibuka.
Dengan
dibuatnya
peta
penutupan lahan
yang
paling
mutakhir
dapat
disusun
suatu
perencanaan pembuatan
jaringan
jalan, pemasangan jaringan
pipa,
site plan, mengidentifikasi peruntukan lahan di sekitar areal konsesi,
dll.
Jika
data
peta
ini
dianalisis
menggunakan Sistem
Informasi
Geografis, maka
dengan
mudah
dapat
dihitung
berapa
luas
dari
masing-masing kelas
penutupan lahan,
berapa
biaya
yang
harus
dikeluarkan seandainya dilakukan pembebasan lahan, berapa
panjang pipa yang dibutuhkan, dll.
c)
Kehutanan.
Resolusi
yang
tinggi
memungkinkan pengusaha
perhutanan
melakukan inventarisasi luas lahan, menghitung potensi kubik kayu,
menentukan
jalur
transportasi
kayu,
mengidentifikasi batas-batas
kawasan,
mengevaluasi laju
kerusakan
areal.
Untuk
perusahaan
tertentu, hasil dari data quickbird sangat ideal digunakan untuk
melakukan kompartemenisasi,
yakni
membagi areal
usaha
kedalam
blok, petak dan anak petak, memetakan lokasi cekungan air sebagai
cadangan
mengendalikan bahaya
kebakaran,
menentukan
lokasi
perkemahan, lokasi
menara pengawas api,
lokasi persemaian, dll.
|
|
23
Secara berkala, quickbird dapat digunakan untuk memantau
pertumbuhan tanaman,
banyaknya
tanah
yang
hilang,
laju
penanaman,
pemilihan tananaman
yang
siap
panen,
tingkat
kerusakan tanaman
akibat
hama
dan
penyakit,
menghitung
kehilangan tanaman akibat kebakaran hutan, dll.
d)
Perencanaan Wilayah dan Perkotaan.
Sejak kemunculan quickbird yang pertama kali di Indonesia, satelit
ini
langsung
mendapat respon
positif
dari
berbagai
institusi
pemerintah. Didorong pula oleh pemberian otonomi yang lebih luas
kepada
PEMDA.
Quickbird
telah
dimanfaatkan
untuk
menyusun
peta
penggunaan lahan
yang paling
up to date. Beberapa
wilayah
yang telah dipetakan
menggunakan jasa satelit ini diantaranya, DKI
Jakarta,
Surabaya,
Sidoharjo, Bandung kawasan Bopunjur (Bogor,
Puncak,
Cianjur), Yogyakarta,
Bontang, dll.
Institusi
yang
paling
sering
memanfaatkan data dari quickbird ini diantaranya Badan
Pertanahan Nasional,
Bappedda
Provinsi
maupun
Bappedda
Kabupaten/Kota, Dinas
Tata
Kota,
Dinas
Kehutanan,
Dinas
Kimpraswil, Dinas Pajak, lembaga pendidikan
dll. Kajian yang
dapat
dilakukan
menggunakan quickbird
diantaranya,
perencanaan
tata
ruang,
identifikasi kawasan
kumuh,
pembuatan site
plan,
identifikasi wajib pajak, inventarisasi pelanggan (telepon, air bersih,
listrik,
gas),
monitoring
perubahan
penggunaan
lahan,
identifikasi
kawasan banjir, dll.
|
|
24
2.5.2
Foto Udara
Citra foto udara adalah gambar yang dicetak dari hasil pemotretan
dengan kamera dengan perekaman secara fotografi dari atas udara (Kiefer,
et
al,
1993).
Biasanya,
citra
foto
ini
didapat dengan sebuah
alat
transportasi seperti balon
udara,
gantole, pesawat tanpa awak, dll.
Terdapat beberapa jenis pemotretan, yaitu:
1)
Pemotretan secara tegak(vertical)
Pemotretan secara
tegak
ini
dapat
dikatakan
dengan
posisi
kamera
persis
dibawah
alat
transportasi(misal pesawat) yang terbang
secara
tegak lurus dengan permukaan bumi.
2)
Pemotretan secara condong(oblique)
Pemotretan secara condong dilakukan dengan posisi antara pesawat
dengan
permukaan
bumi
memiliki
sudut
yang
agak
miring(kurang
dari 45 derajat). Bedanya dengan pemotretan secara sangat condong
ialah,
pada
teknik
oblique
ini,
batas
cakrawala atau
horizon
tidak
terlihat.
Ketinggian pesawat
udara
terhadap
permukaan bumi
pun
berpengaruh terhadap
skala
foto
udara
yang
dihasilkan.
Semakin
tinggi
pesawat maka hasilnya gambar akan semakin kecil tapi memiliki cakupan
yang
luas
dan
jika
terlalu
rendah, cakupannya
semakin
kecil
walaupun
detil gambarnya lebih
jelas. Jadi
untuk mengambil hasil
yang
maksimal
diperlukan ketinggian tertentu
yang tidak
terlalu tinggi dan tidak terlalu
rendah agar cakupannya luas dan detil obyeknya pun terlihat.
|
|
25
2.6
Tutupan Lahan
Tutupan lahan atau bisa disebut dengan Land Cover ialah materi fisik yang
ada
di
permukaan bumi,
tutupan
lahan
termasuk
rumput,
aspal,
pohon,
tanah,
gunung,
pemukiman
penduduk,
air,
dan
lain-lain. Pengetahuan tentang
tutupan
lahan sangat penting untuk banyak perencanaan dan manajemen lahan seta
esensial
untuk
pemodelan
dan
pemahaman tentang
bumi
sebagai
suatu
sistem(Kiefer,
et
al,
1993).
Unites
State
Geological
Survey
(USGS)
mendesain
penggunaan lahan
(land
use)
dan
sistem klasifikasi
tutupan
lahan (land
cover)
untuk
digunakan
pada
penginderaan jauh
pada
pertengahan
tahun
1970
an(Anderson et al., 1976).
Ada 2 metode utama untuk mendapatkan informasi mengenai tutupan lahan,
yaitu dengan studi
lapangan atau dengan penginderaan jauh. Tutupan lahan (land
cover)
berbeda
dengan
penggunaan lahan
(land
use)
walau
mereka
sering
disalahartikan. Penggunaan
lahan
lebih
memfokuskan
pada
bagaimana
orang
mengatur lahan untuk kegiatan sosial ekonomi, migrasi, dan agrikultur. Sedangkan
tutupan
lahan
lebih
mengarah
kepada
penampakan lahan
secara
alamiah
tanpa
diatur manusia seperti hutan, laut, danau. Pemetaan penggunaan lahan dan tutupan
lahan sebaiknya dipisah menurut sistem USGS, tapi, biasanya akan lebih efisisen
jika
kita
menggabungkan keduanya.
Jadi,
informasi
dari
tutupan
lahan
itu dapat
digunakan oleh penggunaan
lahan,
misalnya
untuk mendeteksi kegiatan manusia
di lingkungan tersebut.
Sistem
klasifikasi
tutupan
lahan
dan
penggunaan lahan
USGS
memiliki
kriteria
yang
harus dipenuhi
seperti:
(1)
akurasi
interpretasi
penginderaan jauh
|
|
26
level
minimum setidaknya 85%,
(2)
akurasi
interpretasi
untuk beberapa kategori
setidaknya sama, (3) hasil yang berulang harus didapat oleh banyak interpreter dan
dari
penginderaan jauh
yang
berbeda-beda pula,
(4)
sistem
klasifikasi dapat
di
aplikasikan
pada
area
yang
ekstensif,
(5)
pengkategorisasian memperbolehkan
penggunaan
lahan
disimpulkan
dari
jenis
tutupan
lahan,
(6) sistem
klasifikasi
harus
cocok
pada
penginderaan jauh
dan
juga
dapat
dipakai
untuk
tahun
mendatang, (7)
kategori harus dapat dibagi lagi menjadi sub
kategori
yang
lebih
detail yang didapat dari gambar skala besar atau survey lahan, (8) pengagregasian
kateogri
dimungkinkan (9)
perbandingan antara
penggunaan
lahan
dan
tutupan
lahan antara yang sekarang dan yang akan datang dimungkinkan, (10)
penggunaan-penggunaan dari lahan harus bisa di ketahui jika memungkinkan.
USGS
membagi
tutupan
lahan
dan
penggunaan lahan
menjadi
IV
level
dimana
level
I
merepresentasikan data
yang
diambil
dari
satelit dengan
resolusi
rendah sampai menengah (Landsat MSS data; resolusi 20-100m ), level II dengan
foto udara skala kecil dengan resolusi menengah (Landsat TM data; resolusi 5-20
m),
level
III
dengan
foto
udara
skala
medium; satelit
dengan
resolusi tinggi
(IKONOS; resolusi 1-5m) dan level IV merupakan foto udara dengan skala besar
(resolusi 0,25-1 m).
Berikut akan
dijelaskan
klasifikasi
umum USGS
dari Level
I
–
Level
III,
diambil contoh perkotaan (urban)
atau daerah terbangun (built-up area)
(level I)
dan dibagi-bagi menjadi beberapa kategori pada level II-nya yaitu tempat tinggal,
komersial
dan
layanan;
industri;
trasnportasi, komunikasi, dan
keperluan
lain;
komplek industri dan
komersial;
gabungan perkotaan atau bangunan; perkotaan
|
 27
lain atau lahan buatan. Dari level II tempat tinggal, dapat dibagi-bagi lagi menjadi
yang lebih kecil pada level III seperti 1 keluarga, lebih dari 1 keluarga, kelompok,
hotel, parkir mobil, penginapan sementara, dan masih banyak lagi.
Berikut sistem Klasifikasi USGS level I dan Level II
Level I
Level II
1 Urban or built-up land
1 1 Residential
1 2 commercial and service
1 3 Industrial
1 4 transportation, communication, and utilities
1 5 Industrial and commercial complexes
1 6 Mixed urban or built-up land
1 7 Other urban or built-up land
2 Agricultural land
2 1 Cropland and pasture
2 2 Orchards, groves, vineyards, nurseries and
ornamental horticultural areas
2 3 Confined feeding operation
2 4 Other agricultural land
3 Range land
3 1 Herbaceous rangeland
3 2 Shrub and brush rangeland
3 3 Mixed rangeland
4 Forest Land
4 1 Deciduous forest land
4 2 Evergreen forest land
4 3 Mixed forest land
5 water
5 1 Streams and canals
5 2 Lakes
5 3 reservoirs
5 4 Bays and estuaries
6 wetland
6 1 Forested wetland
6 2 Nonforested Wetland
7 Barren Land
7 1 Dry salt flats
7 2 Beaches
7 3 Sandy areas other than beaches
7 4 Bare Exposed Rock
7 5 Strip mines, quarries, and gravel pits
7 6 transitional areas
|
 28
8 Tundra
8 1 Shrub and brush tundra
8 2 Herbaceous Tundra
8 3 Bare ground tundra
8 4 wet tundra
9 Parennial snow or ice
9 1 Parennial snowfileds
9 2 glaciers
Tabel 2.1 Sistem Klasifikasi USGS level I dan Level II
Selain itu juga dijelaskan mengenai daerah terbangun (built-up land) untuk setiap
level dari level I, level II dan level III dan dapat dilihat secara lebih rinci pada bagan
berikut.
Gambar 2.6 Level I, Level II dan Level III pada perkotaan atau daerah terbangun
|
|
29
2.7
Algoritma Region Growing
Algoritma berbasis region adalah algoritma segmentasi yang akan digunakan
dalam penelitian ini untuk mensegmentasi tutupan lahan. Dari namanya, kita dapat
menyimpulkan bahwa region growing adalah prosedur pengelompokan piksel atau
sub
region
menjadi region
yang
lebih besar berdasar kriteria yang ada (Gonzales
and
Wintz,
1987).
Pemilihan satu
starting
point
atau
lebih
berdasar
pada
masalahnya. Jika
informasinya kurang lengkap, maka prosedurnya adalah dengan
mengkomputasi semua
piksel
dengan
properti
yang
sama
untuk
membuatnya
menjadi
region
selama
proses growing,
jika
hasilnya
menunjukkan
nilai
kluster,
maka
piksel
di
mana
propertinya
mendekati
kluster
tersebut
akan
menjadi seed.
Algoritma ini umum digunakan untuk segmentasi obyek pada berbagai
karakteristik citra
multi resolusi
dan multi
spektral
yang dipengaruhi oleh
beberapa faktor seperti image layer weight, scale parameter, shape and color dan
smoothness and compactness.
Parameter
image layer weight dapat
diketahui
dari
masing-masing
layer
pada
citra
yang
akan
diteliti
sedangkan scale
parameter
diperoleh
dari
nilai
keragaman maksimum yang dimungkinkan dari suatu obyek pada citra.
Shape and color
merupakan parameter tambahan yang dapat mempengaruhi
penggabungan piksel
kedalam
group.
Bentuk
(shape)
suatu
obyek
pada
citra
dipengaruhi
oleh
smoothness
(kehalusan)
dan
compactness
(kekompakan) dari
obyek tersebut. Smoothness adalah hubungan antara panjang batas suatu obyek (l)
dengan perimeter dari bounding box suatu obyek. Sedangkan kekompakan adalah
|
|
30
hubungan antar panjang batas suatu obyek (l) dengan akar dari jumlah piksel (n)
yang menyusun obyek tersebut.
Metode region
growing
pertama
ialah
seeded
region
growing
yang
mengambil seed
sebagai
input
bersama
dengan
image.
Seed
ini
menandai
setiap
obyek
yang
akan
di
segmentasi. Region
atau
wilayahnya
secara
berulang-ulang
dikembangkan
dengan
membandingkan semua
piksel
berikutnya
yang
tidak
dialokasikan ke dalam region dan perbedaan antara nilai
intensitas piksel dan
nilai
rata-rata
dari
region
digunakan untuk
mengukur
kesamaan. Piksel
yang
memiliki
perbedaan paling kecil setelah diukur dialokasikan ke respective region dan diulang
sampai
semua
piksel
telah
teralokasikan ke
region.
Seeded
region
growing
ini
membutuhkan seed
sebagai
input
tambahan,
hasil
segmentasinya dependan
tergantung dari pilihan seednya.
Noise
dalam
image
dapat
menyebabkan seed
diletakkan
ditempat
yang
kurang baik.
Unseeded region
growing
memiliki algoritma yang
telah dimodifikasi
sehingga tidak membutuhkan explicit seeds. Semua di mulai dari single region (tidak
akan berpengaruh pada hasil segmentasi) dan setiap perulangan itu dianggap sebagai
piksel berikutnya seperti dalam algoritma
region growing. Jika perbedaannya lebih
kecil dari threshold
maka akan ditambah dalam
respective region, jika tidak, maka
piksel itu akan dianggap sangat berbeda dan akan dibuat region baru dengan piksel
ini.
Satu
varian
dari
teknik
ini
berdasar
pada
intensitas piksel.
Rata-rata dan
sebaran
region
serta
intensitas
kandidat
piksel
digunakan
untuk
mengkomputasi
|
 31
sebuah test statistic, jika hasilnya cukup kecil, maka piksel itu akan di tambahkan ke
dalam region dan rata-rata serta sebaran dari region itu akan dikomputasi ulang. Jika
tidak,
maka
akan
dibuat
region
baru.
Secara
keseluruhan,
proses
region
growing
yang kami lakukan dalam skripsi ini dapat digambarkan dengan activity
diagram
berikut ini
Gambar 2.7 Proses segmentasi citra spasial multi resolusi dengan region growing
|